Bayesowskie wykrywanie społeczności
Bayesowskie wykrywanie społeczności wnioskuje o ukrytej strukturze grupowej w sieciach, traktując przynależność do społeczności jako zmienne nieobserwowane i wykorzystując wnioskowanie bayesowskie – zazwyczaj za pomocą łańcuchów Markowa (MCMC) lub metod wariacyjnych – do obliczenia rozkładu a posteriori wszystkich prawdopodobnych podziałów. W przeciwieństwie do optymalizacji modularności, liczba społeczności jest wybierana na podstawie danych, a metoda dostarcza zasadnych oszacowań niepewności dla każdego przypisania węzła.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bayesian Community Detection in Networks. ScholarGate. https://scholargate.app/pl/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.
- Analiza modularnościAnaliza sieci↔ compare
- Wykrywanie wielowarstwowych społecznościAnaliza sieci↔ compare
- Analiza sieci społecznychAnaliza sieci↔ compare
- Model blokowy stochastycznyAnaliza sieci↔ compare
- Detekcja społeczności w czasieAnaliza sieci↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →