Détection bayésienne de communautés
La détection bayésienne de communautés infère une structure de groupe latente dans les réseaux en traitant l'appartenance à une communauté comme des variables non observées et en utilisant l'inférence bayésienne — typiquement via des méthodes de Monte Carlo par chaînes de Markov (MCMC) ou variationnelles — pour calculer une distribution a posteriori sur toutes les partitions plausibles. Contrairement à l'optimisation de la modularité, elle sélectionne le nombre de communautés à partir des données et fournit des estimations de l'incertitude fondées sur des principes pour chaque affectation de nœud.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Community Detection in Networks. ScholarGate. https://scholargate.app/fr/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.
- Analyse de modularitéAnalyse de réseaux↔ compare
- Détection de communautés multicouchesAnalyse de réseaux↔ compare
- Analyse des réseaux sociauxAnalyse de réseaux↔ compare
- Modèle de blocs stochastiquesAnalyse de réseaux↔ compare
- Détection de communautés temporellesAnalyse de réseaux↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →