Temporal Stochastic Block Model
The Temporal Stochastic Block Model (TSBM) extends the classic Stochastic Block Model to sequences of network snapshots, jointly inferring latent community memberships and how those memberships evolve across time. It combines a generative edge-probability model with a Markov process over block assignments, enabling principled statistical detection of community structure that changes over time.
Rekod sumber
Petikan disalin secara verbatim daripada rekod sumber kaedah. Tiada pengesahan peringkat tuntutan disimpulkan daripadanya.
- 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
- Xu, K. S. & Hero, A. O. (2014). Dynamic stochastic blockmodels for time-evolving social networks. IEEE Journal of Selected Topics in Signal Processing, 8(4), 552–562. · DOI 10.1109/JSTSP.2014.2310294
Tuntutan yang dikurasi
Tuntutan disimpan dalam lejar bukti, setiap satu dengan penilaiannya sendiri.
Pandangan ini tidak mencipta penilaian tuntutan apabila lejar tiada.
Kaedah berkaitan
Dijana daripada graf kaedah dan ditunjukkan sebagai perhubungan yang dicadangkan mesin — tiada tuntutan bukti disimpulkan.