ScholarGate
Assistente
Machine learningNetwork science

Analisi Bayesiana della Diffusione su Reti

L'Analisi Bayesiana della Diffusione su Reti applica l'inferenza probabilistica Bayesiana allo studio di come informazioni, malattie, comportamenti o innovazioni si propagano attraverso una rete. Ponendo distribuzioni a priori sui parametri di diffusione e aggiornandole con dati osservati di cascate, quantifica i tassi di trasmissione, identifica i diffusori influenti, ricostruisce i percorsi di propagazione latenti e fornisce stime complete dell'incertezza – tutto all'interno di un quadro statistico rigoroso.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  1. Gomez Rodriguez, M., Leskovec, J., & Scholkopf, B. (2012). Structure and Dynamics of Information Pathways in Online Media. Proceedings of the 6th ACM International Conference on Web Search and Data Mining (WSDM), 23–32. DOI: 10.1145/2433396.2433402
  2. Kitsak, M., Gallos, L. K., Havlin, S., Liljeros, F., Muchnik, L., Stanley, H. E., & Makse, H. A. (2010). Identification of influential spreaders in complex networks. Nature Physics, 6(11), 888–893. DOI: 10.1038/nphys1746

Come citare questa pagina

ScholarGate. (2026, June 3). Bayesian Network Diffusion Analysis (Probabilistic Inference on Contagion and Spreading Processes). ScholarGate. https://scholargate.app/it/network-analysis/bayesian-network-diffusion-analysis

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

Citato da

ScholarGateBayesian Network Diffusion Analysis (Bayesian Network Diffusion Analysis (Probabilistic Inference on Contagion and Spreading Processes)). Consultato il 2026-06-15 da https://scholargate.app/it/network-analysis/bayesian-network-diffusion-analysis · Insieme di dati: https://doi.org/10.5281/zenodo.20539026