ScholarGate
Pembantu
Machine learningNetwork science

Model Graf Rawak Eksponensial Berbobot

Model Graf Rawak Eksponensial Berbobot (W-ERGM) melanjutkan rangka kerja ERGM binari klasik kepada rangkaian yang tepinya membawa nilai kuantitatif — seperti kekerapan sentuhan, isipadu dagangan, atau keamatan kerjasama. Ia memodelkan keseluruhan rangkaian tepi bernilai sebagai taburan kebarangkalian yang ditakrifkan ke atas semua graf berbobot yang mungkin, membolehkan penyelidik menguji sama ada corak struktur seperti timbal balik, transitiviti, atau taburan darjah timbul melebihi apa yang boleh dihasilkan oleh peluang semata-mata.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

  1. Krivitsky, P. N. (2012). Exponential-family random graph models for valued networks. Electronic Journal of Statistics, 6, 1100–1128. DOI: 10.1214/12-EJS696
  2. Robins, G., Pattison, P., Kalish, Y., & Lusher, D. (2007). An introduction to exponential random graph (p*) models for social networks. Social Networks, 29(2), 173–191. DOI: 10.1016/j.socnet.2006.08.002

Cara memetik halaman ini

ScholarGate. (2026, June 3). Weighted Exponential Random Graph Model (Valued-Edge ERGM). ScholarGate. https://scholargate.app/ms/network-analysis/weighted-exponential-random-graph-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.

Compare side by side

Dirujuk oleh

ScholarGateWeighted Exponential Random Graph Model (Weighted Exponential Random Graph Model (Valued-Edge ERGM)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/network-analysis/weighted-exponential-random-graph-model · Set data: https://doi.org/10.5281/zenodo.20539026