เปรียบเทียบวิธี

	แบบจำลองบล็อกเชิงสุ่มแบบถ่วงน้ำหนัก	แบบจำลองบล็อกสุ่ม
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Process / pipeline
ปีกำเนิด	2014	1983
ผู้ริเริ่ม	Aicher, C.; Jacobs, A. Z.; Clauset, A.	—
ประเภท	Generative probabilistic model	Probabilistic generative graph model
แหล่งต้นตำรับ	Aicher, C., Jacobs, A. Z., & Clauset, A. (2014). Learning latent block structure in weighted networks. Journal of Complex Networks, 3(2), 221–248.	Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137.
ชื่อเรียกอื่น	W-SBM, weighted SBM, weighted block model, weighted community detection via SBM	SBM, degree-corrected SBM, DCSBM, Stokastik Blok Modeli (SBM)
ที่เกี่ยวข้อง	6	7
สรุป	The Weighted Stochastic Block Model (W-SBM) extends the classical stochastic block model to networks whose edges carry numerical weights. By positing that edge weights between node pairs arise from distributions that depend on the block memberships of those nodes, it simultaneously infers a partition of nodes into communities and a set of block-to-block weight parameters — recovering structure invisible to unweighted methods.	The Stochastic Block Model (SBM), introduced by Holland, Laskey and Leinhardt (1983), is a probabilistic generative model for graphs that assigns nodes to latent blocks and parametrically estimates the connection probabilities between blocks. It is the foundational approach for community detection, core-periphery identification, and hierarchical structure discovery in network analysis.