เปรียบเทียบวิธี

	Bayesian Exponential Random Graph Model	การวิเคราะห์เครือข่ายสังคมแบบเบย์
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2011	2002
ผู้ริเริ่ม	Caimo, A., & Friel, N.	Hoff, P. D.; Raftery, A. E.; Handcock, M. S.
ประเภท	Bayesian statistical model for networks	Probabilistic / Bayesian network model
แหล่งต้นตำรับ	Caimo, A., & Friel, N. (2011). Bayesian inference for exponential random graph models. Social Networks, 33(1), 41–55.	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.
ชื่อเรียกอื่น	Bayesian ERGM, Bayesian p-star model, Bayesian p* model, BERGM	Bayesian SNA, Bayesian network modeling, probabilistic social network analysis, Bayesian relational modeling
ที่เกี่ยวข้อง	4	5
สรุป	The Bayesian Exponential Random Graph Model (Bayesian ERGM or BERGM) extends the classical ERGM framework by placing prior distributions over the model parameters and using Markov chain Monte Carlo methods to obtain full posterior distributions. Introduced by Caimo and Friel (2011), it allows researchers to quantify parameter uncertainty and incorporate prior knowledge when modelling the structural features of social and other complex networks.	Bayesian Social Network Analysis applies Bayesian probabilistic inference to relational data, placing prior distributions over network parameters and updating them with observed tie data to yield full posterior distributions over structural features, tie probabilities, and latent actor positions. It enables principled uncertainty quantification in network models, making it especially valuable when data are sparse, partially observed, or subject to measurement error.