Dynamisch Stochastisch Blokmodel
Het Dynamisch Stochastisch Blokmodel (DSBM) is een generatief probabilistisch raamwerk dat het statische stochastische blokmodel uitbreidt naar netwerken die over meerdere tijdspunten worden waargenomen. Het modelleert gezamenlijk gemeenschapslidmaatschap en gemeenschapsevolutie, waardoor onderzoekers latente groepen en hun structurele veranderingen over tijd in longitudinale netwerkgegevens kunnen detecteren en volgen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- Yang, T., Chi, Y., Zhu, S., Gong, Y., & Jin, R. (2011). Detecting communities and their evolutions in dynamic social networks — a Bayesian approach. Machine Learning, 82(2), 157–189. DOI: 10.1007/s10994-010-5214-7 ↗
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Dynamic Stochastic Block Model (Temporal Community Detection). ScholarGate. https://scholargate.app/nl/network-analysis/dynamic-stochastic-block-model
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Bayesiaans Stochastisch BlokmodelNetwerkanalyse↔ vergelijken
- Dynamische gemeenschapsdetectieNetwerkanalyse↔ vergelijken
- Modularity AnalysisNetwerkanalyse↔ vergelijken
- Stochastic Block ModelNetwerkanalyse↔ vergelijken
- Temporale NetwerkanalyseNetwerkanalyse↔ vergelijken
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →