ScholarGate
Assistent
Machine learningNetwork science

Multilager stokastisk blockmodell

Multilager stokastisk blockmodell (ML-SBM) är ett generativt probabilistiskt ramverk som utvidgar den klassiska stokastiska blockmodellen till nätverk med flera relationstyper eller lager. Den infererar samtidigt gemenskapsstruktur och block-till-block-anslutningssannolikheter över alla lager, och fångar hur gemenskaper sammanhåller olika beroende på kontext eller relationstyp.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  1. Peixoto, T. P. (2015). Inferring the mesoscale structure of layered, edge-valued, and time-varying networks. Physical Review E, 92(4), 042807. DOI: 10.1103/PhysRevE.92.042807
  2. De Bacco, C., Power, E. A., Larremore, D. B., & Moore, C. (2017). Community detection, link prediction, and layer interdependence in multilayer networks. Physical Review E, 95(4), 042317. DOI: 10.1103/PhysRevE.95.042317

Så citerar du den här sidan

ScholarGate. (2026, June 3). Multilayer Stochastic Block Model (ML-SBM). ScholarGate. https://scholargate.app/sv/network-analysis/multilayer-stochastic-block-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

Refereras av

ScholarGateMultilayer Stochastic Block Model (Multilayer Stochastic Block Model (ML-SBM)). Hämtad 2026-06-15 från https://scholargate.app/sv/network-analysis/multilayer-stochastic-block-model · Datamängd: https://doi.org/10.5281/zenodo.20539026