مدل گراف تصادفی نمایی (ERGM / p*)
مدل گراف تصادفی نمایی (ERGM)، که با نام مدل p* نیز شناخته میشود، یک چارچوب آماری برای تحلیل شبکه است که احتمال یک شبکه مشاهدهشده را تابعی از ویژگیهای ساختاری محلی آن — مانند تقابل، مثلثها، و توزیع درجه — مدلسازی میکند. ERGM که از کار بنیادی فرانک و اشتراوس (1986) توسعه یافته و توسط واسرمن و پاتیسون (1996) و رابینز و همکاران (2007) به چارچوب مدرن گسترش یافته است، استاندارد استنباطی برای تحلیل شبکههای اجتماعی محسوب میشود و قادر است آزمون کند که آیا ساختارهای شبکه مشاهدهشده بهطور تصادفی پدید میآیند یا منعکسکننده فرآیندهای اجتماعی واقعی هستند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). An introduction to exponential random graph (p*) models for social networks. Social Networks, 29(2), 173-191. DOI: 10.1016/j.socnet.2006.08.002 ↗
- Lusher, D., Koskinen, J., & Robins, G. (Eds.) (2012). Exponential Random Graph Models for Social Networks: Theory, Methods, and Applications. Cambridge University Press. ISBN: 9780521193566
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Exponential Random Graph Model (ERGM / p*). ScholarGate. https://scholargate.app/fa/network-analysis/exponential-random-graph
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.
- الگوریتمهای کشف علّی (PC, FCI, LiNGAM)استنتاج علّی↔ compare
- آشکارسازی جامعهتحلیل شبکه↔ compare
- دیبیاسکنیادگیری ماشین↔ compare
- شبکه توجه گرافیادگیری عمیق↔ compare
- شبکه عصبی گرافیادگیری عمیق↔ compare
- تحلیل شبکه متنمتنکاوی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →