Machine learningNetwork science

تشخیص جامعه بیزی

تشخیص جامعه بیزی با در نظر گرفتن ساختار پنهان در شبکه‌ها از طریق در نظر گرفتن عضویت در جامعه به عنوان متغیرهای مشاهده‌نشده و استفاده از استنتاج بیزی — معمولاً از طریق زنجیره مارکوف مونت کارلو (MCMC) یا روش‌های متغیر — برای محاسبه توزیع پسین بر روی تمام پارتیشن‌های محتمل، ساختار گروهی پنهان را استنتاج می‌کند. برخلاف بهینه‌سازی مدولاریتی، تعداد جوامع را از داده‌ها انتخاب کرده و تخمین‌های عدم قطعیت اصولی را برای هر تخصیص گره ارائه می‌دهد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Peixoto, T. P. (2014). Efficient Monte Carlo and greedy heuristic for the inference of stochastic block models. Physical Review E, 89(1), 012804. DOI: 10.1103/PhysRevE.89.012804
  2. Nowicki, K. & Snijders, T. A. B. (2001). Estimation and prediction for stochastic blockstructures. Journal of the American Statistical Association, 96(455), 1077–1087. DOI: 10.1198/016214501753208735

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Bayesian Community Detection in Networks. ScholarGate. https://scholargate.app/fa/network-analysis/bayesian-community-detection

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

ارجاع‌شده در

ScholarGateBayesian Community Detection (Bayesian Community Detection in Networks). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/bayesian-community-detection · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026