Machine learningNetwork science

Modèle stochastique de blocs temporel

Le modèle stochastique de blocs temporel (TSBM) étend le modèle stochastique de blocs classique aux séquences d'instantanés de réseau, en inférant conjointement les appartenances latentes aux communautés et l'évolution de ces appartenances dans le temps. Il combine un modèle génératif de probabilité d'arêtes avec un processus de Markov sur les affectations de blocs, permettant une détection statistique fondée de la structure communautaire qui change avec le temps.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. 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
  2. Xu, K. S. & Hero, A. O. (2014). Dynamic stochastic blockmodels for time-evolving social networks. IEEE Journal of Selected Topics in Signal Processing, 8(4), 552–562. DOI: 10.1109/JSTSP.2014.2310294

Comment citer cette page

ScholarGate. (2026, June 3). Temporal Stochastic Block Model (Dynamic Community Detection via SBM). ScholarGate. https://scholargate.app/fr/network-analysis/temporal-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.

Compare side by side
ScholarGateTemporal Stochastic Block Model (Temporal Stochastic Block Model (Dynamic Community Detection via SBM)). Consulté le 2026-06-15 sur https://scholargate.app/fr/network-analysis/temporal-stochastic-block-model · Jeu de données : https://doi.org/10.5281/zenodo.20539026