बायेसियन स्टोकेस्टिक ब्लॉक मॉडल

एक नेटवर्क को एक छिपी हुई प्रक्रिया द्वारा उत्पन्न होने के रूप में सोचें: प्रत्येक नोड एक अव्यक्त समूह से संबंधित है, और किनारों (edges) के बनने की प्रायिकता केवल इस बात पर निर्भर करती है कि वे किन समूहों से संबंधित हैं। बायेसियन SBM पूछता है: देखे गए किनारों को देखते हुए, नोड्स को समूहों में कौन सा असाइनमेंट डेटा को सबसे संभावित बनाता है, जबकि अत्यधिक जटिल मॉडल को दंडित करता है? ब्लॉकों की संख्या पर एक पूर्व (prior) रखकर और किनारों की प्रायिकताओं को एकीकृत करके, यह ओवरफिटिंग से बचता है और डेटा द्वारा समर्थित सबसे मितव्ययी (parsimonious) समुदाय विभाजन का स्वचालित रूप से चयन करता है।