Bayesiaanse gemeenschapsdetectie
Bayesiaanse gemeenschapsdetectie (Bayesian community detection) inferreert latente groepsstructuren in netwerken door gemeenschapslidmaatschap te behandelen als onwaarneembare variabelen en Bayesiaanse inferentie — typisch via Markov chain Monte Carlo (MCMC) of variationele methoden — te gebruiken om een posteriorverdeling over alle plausibele partities te berekenen. In tegenstelling tot modulariteitsoptimalisatie selecteert het aantal gemeenschappen uit de data en biedt het principieel onzekerheids schattingen voor elke knooppunt toewijzing.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Community Detection in Networks. ScholarGate. https://scholargate.app/nl/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.
- Modularity AnalysisNetwerkanalyse↔ compare
- Multilayer Community DetectionNetwerkanalyse↔ compare
- Sociale NetwerkanalyseNetwerkanalyse↔ compare
- Stochastic Block ModelNetwerkanalyse↔ compare
- Temporale gemeenschapsdetectieNetwerkanalyse↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →