Stochastic Block Model — Todennäköisyyspohjainen yhteisöjen tunnistus verkoissa
Stokastinen lohkomalli (SBM), jonka Holland, Laskey ja Leinhardt (1983) esittelivät, on todennäköisyyspohjainen generatiivinen malli graafeille, joka jakaa solmut piileviin lohkoihin ja estimoi parametrisesti lohkojen väliset yhteyksien todennäköisyydet. Se on perustavanlaatuinen lähestymistapa yhteisöjen tunnistamisessa, ydin-periferia-rakenteiden määrittämisessä ja hierarkkisten rakenteiden löytämisessä verkostoanalyysissä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
Lähteet
- Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137. DOI: 10.1016/0378-8733(83)90021-7 ↗
- Lee, C. & Wilkinson, D.J. (2019). A Review of Stochastic Block Models and Extensions for Graph Clustering. Applied Network Science, 4(1), 122. DOI: 10.1007/s41109-019-0232-2 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Stochastic Block Model (SBM). ScholarGate. https://scholargate.app/fi/network-analysis/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.
- DBSCANKoneoppiminen↔ compare
- Graafiverkko (Graph Attention Network, GAT)Syväoppiminen↔ compare
- GraafineuraaliverkkoSyväoppiminen↔ compare
- Hierarkkinen ryvästyminenKoneoppiminen↔ compare
- K-Means-klusterointiKoneoppiminen↔ compare
- PääkomponenttianalyysiKoneoppiminen↔ compare
- TekstiverkostoanalyysiTekstinlouhinta↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →