Dynaaminen stokastinen lohkomalli
Dynaaminen stokastinen lohkomalli (DSBM) on generatiivinen todennäköisyyskehys, joka laajentaa staattista stokastista lohkomallia useiden aikapisteiden yli havaittuihin verkostoihin. Se mallintaa yhdessä yhteisön jäsenyyttä ja yhteisöjen kehitystä, antaen tutkijoille mahdollisuuden havaita ja seurata piileviä ryhmiä ja niiden rakenteellisia muutoksia ajan mittaan pitkittäisessä verkostodatan analyysissä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Yang, T., Chi, Y., Zhu, S., Gong, Y., & Jin, R. (2011). Detecting communities and their evolutions in dynamic social networks — a Bayesian approach. Machine Learning, 82(2), 157–189. DOI: 10.1007/s10994-010-5214-7 ↗
- Matias, C., & Miele, V. (2017). Statistical clustering of temporal networks through a dynamic stochastic block model. Journal of the Royal Statistical Society: Series B, 79(4), 1119–1141. DOI: 10.1111/rssb.12200 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Dynamic Stochastic Block Model (Temporal Community Detection). ScholarGate. https://scholargate.app/fi/network-analysis/dynamic-stochastic-block-model
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.
- Bayesiläinen stokastinen lohkomalliVerkostoanalyysi↔ compare
- Dynaaminen yhteisöjen tunnistusVerkostoanalyysi↔ compare
- ModulaarianalyysiVerkostoanalyysi↔ compare
- Stochastic Block ModelVerkostoanalyysi↔ compare
- Ajallisten verkostojen analyysiVerkostoanalyysi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →