Beieziešu kopienu noteikšana
Beieziešu kopienu noteikšana secina slēptu grupu struktūru tīklos, attiecinot kopienas dalību kā nezināmus mainīgos un izmantojot Beieziešu secinājumus — parasti izmantojot Markova ķēdes Montekarlo (MCMC) vai variācijas metodes — lai aprēķinātu posterioru sadalījumu visām iespējamām partīcijām. Atšķirībā no modularitātes optimizācijas, tā izvēlas kopienu skaitu no datiem un nodrošina principālu nenoteiktības novērtējumu katrai mezgla piešķiršanai.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Peixoto, T. P. (2014). Efficient Monte Carlo and greedy heuristic for the inference of stochastic block models. Physical Review E, 89(1), 012804. DOI: 10.1103/PhysRevE.89.012804 ↗
- Nowicki, K. & Snijders, T. A. B. (2001). Estimation and prediction for stochastic blockstructures. Journal of the American Statistical Association, 96(455), 1077–1087. DOI: 10.1198/016214501753208735 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Community Detection in Networks. ScholarGate. https://scholargate.app/lv/network-analysis/bayesian-community-detection
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.
- Modulāritātes analīzeTīklu analīze↔ compare
- Daudzslāņu kopienu noteikšanaTīklu analīze↔ compare
- Sociālo tīklu analīzeTīklu analīze↔ compare
- Stohastiskais bloku modelisTīklu analīze↔ compare
- Temporālā kopienu noteikšanaTīklu analīze↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →