Modèle de blocs stochastiques — Détection probabiliste de communautés dans les réseaux
Le modèle de blocs stochastiques (SBM), introduit par Holland, Laskey et Leinhardt (1983), est un modèle génératif probabiliste pour les graphes qui attribue des nœuds à des blocs latents et estime paramétriquement les probabilités de connexion entre les blocs. C'est l'approche fondamentale pour la détection de communautés, l'identification de structures cœur-périphérie et la découverte de structures hiérarchiques dans l'analyse de réseaux.
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.
+16 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). Stochastic Block Model (SBM). ScholarGate. https://scholargate.app/fr/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.
- DBSCANApprentissage automatique↔ compare
- Réseau d'attention sur grapheApprentissage profond↔ compare
- Réseau de neurones à graphesApprentissage profond↔ compare
- Regroupement hiérarchiqueApprentissage automatique↔ compare
- Regroupement par K-moyennesApprentissage automatique↔ compare
- Analyse en composantes principalesApprentissage automatique↔ compare
- Analyse de réseaux textuelsFouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →