Machine learningNetwork science
動的確率的ブロックモデル (DSBM)
動的確率的ブロックモデル (DSBM) は、複数の時点にわたって観測されたネットワークに静的な確率的ブロックモデルを拡張した、生成確率的フレームワークである。コミュニティのメンバーシップとコミュニティの進化を同時にモデル化し、研究者が縦断的ネットワークデータにおける潜在グループとその構造的変化を時間とともに検出・追跡できるようにする。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Dynamic Stochastic Block Model (Temporal Community Detection). ScholarGate. https://scholargate.app/ja/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.
- ベイズ的確率的ブロックモデルネットワーク分析↔ compare
- 動的コミュニティ検出ネットワーク分析↔ compare
- モジュラリティ分析ネットワーク分析↔ compare
- 確率的ブロックモデルネットワーク分析↔ compare
- 時間的ネットワーク分析ネットワーク分析↔ compare