ScholarGate
Assistent
Machine learningLatent-variable network inference

Latent Space Network Model

The latent space network model represents each actor as a point in an unobserved low-dimensional 'social space' and makes the probability of a tie between two actors a decreasing function of the distance between their points. Introduced by Peter Hoff, Adrian Raftery, and Mark Handcock in 2002, it gives social networks a geometric interpretation in which proximity captures unobserved similarity, and it automatically reproduces transitivity and homophily through the geometry.

Öppna i MethodMindSnartTillämpa, jämför, få vägledning
Verktyg och resurser
Ladda ner bildspel
Lär dig och utforska
VideoSnart

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Metodkarta

Närområdet av besläktade metoder — välj en nod för att utforska.

Källor

  1. Hoff, P. D., Raftery, A. E., & Handcock, M. S. (2002). Latent space approaches to social network analysis. Journal of the American Statistical Association, 97(460), 1090–1098. DOI: 10.1198/016214502388618906
  2. Handcock, M. S., Raftery, A. E., & Tantrum, J. M. (2007). Model-based clustering for social networks. Journal of the Royal Statistical Society: Series A, 170(2), 301–354. DOI: 10.1111/j.1467-985X.2007.00471.x

Så citerar du den här sidan

ScholarGate. (2026, June 22). Latent Space Model for Social Networks. ScholarGate. https://scholargate.app/sv/sociology/latent-space-network-model

Vilken metod?

Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.

Jämför sida vid sida

Refereras av

ScholarGateLatent Space Network Model (Latent Space Model for Social Networks). Hämtad 2026-06-24 från https://scholargate.app/sv/sociology/latent-space-network-model · Datamängd: https://doi.org/10.5281/zenodo.20539026