Daudzslāņu stohastiskais bloku modelis
Daudzslāņu stohastiskais bloku modelis (ML-SBM) ir ģeneratīvs probabisks ietvars, kas paplašina klasisko stohastisko bloku modeli tīkliem ar vairākiem attiecību veidiem vai slāņiem. Tas vienlaicīgi nosaka kopienu struktūru un bloku savienojumu varbūtības visos slāņos, tverot, kā kopienas atšķirīgi kohēzē atkarībā no konteksta vai attiecību veida.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Peixoto, T. P. (2015). Inferring the mesoscale structure of layered, edge-valued, and time-varying networks. Physical Review E, 92(4), 042807. DOI: 10.1103/PhysRevE.92.042807 ↗
- De Bacco, C., Power, E. A., Larremore, D. B., & Moore, C. (2017). Community detection, link prediction, and layer interdependence in multilayer networks. Physical Review E, 95(4), 042317. DOI: 10.1103/PhysRevE.95.042317 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multilayer Stochastic Block Model (ML-SBM). ScholarGate. https://scholargate.app/lv/network-analysis/multilayer-stochastic-block-model
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Bayesiešu stohastiskais bloku modelisTīklu analīze↔ salīdzināt
- Daudzslāņu kopienu noteikšanaTīklu analīze↔ salīdzināt
- Daudzslāņu tīklu difūzijas analīzeTīklu analīze↔ salīdzināt
- Stohastiskais bloku modelisTīklu analīze↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →