Modèle dynamique stochastique par blocs
Le modèle dynamique stochastique par blocs (DSBM) est un cadre probabiliste génératif qui étend le modèle stochastique par blocs statique aux réseaux observés sur plusieurs points temporels. Il modélise conjointement l'appartenance aux communautés et leur évolution, permettant aux chercheurs de détecter et de suivre les groupes latents et leurs changements structurels au fil du temps dans des données de réseaux longitudinales.
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
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Dynamic Stochastic Block Model (Temporal Community Detection). ScholarGate. https://scholargate.app/fr/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.
- Modèle de blocs stochastiques bayésienAnalyse de réseaux↔ compare
- Détection dynamique de communautésAnalyse de réseaux↔ compare
- Analyse de modularitéAnalyse de réseaux↔ compare
- Modèle de blocs stochastiquesAnalyse de réseaux↔ compare
- Analyse des réseaux temporelsAnalyse de réseaux↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →