แบบจำลองกราฟสุ่มแบบเอกซ์โพเนนเชียลแบบเบย์ (Bayesian Exponential Random Graph Model)
แบบจำลองกราฟสุ่มแบบเอกซ์โพเนนเชียลแบบเบย์ (Bayesian ERGM หรือ BERGM) เป็นส่วนขยายของกรอบการทำงาน ERGM แบบดั้งเดิม โดยการกำหนดการแจกแจงก่อน (prior distributions) ให้กับพารามิเตอร์ของแบบจำลอง และใช้กระบวนการมาร์คอฟเชน มอนติคาร์โล (Markov chain Monte Carlo methods) เพื่อให้ได้การแจกแจงภายหลัง (posterior distributions) ที่สมบูรณ์ แบบจำลองนี้ถูกนำเสนอโดย Caimo และ Friel (2011) ช่วยให้นักวิจัยสามารถวัดความไม่แน่นอนของพารามิเตอร์และรวมความรู้ก่อนหน้าเมื่อทำการสร้างแบบจำลองลักษณะโครงสร้างของเครือข่ายสังคมและเครือข่ายที่ซับซ้อนอื่นๆ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Caimo, A., & Friel, N. (2011). Bayesian inference for exponential random graph models. Social Networks, 33(1), 41–55. DOI: 10.1016/j.socnet.2010.09.004 ↗
- Exponential random graph models. Wikipedia. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Exponential Random Graph Model (Bayesian ERGM). ScholarGate. https://scholargate.app/th/network-analysis/bayesian-exponential-random-graph-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.
- การวิเคราะห์เครือข่ายสังคมแบบเบย์การวิเคราะห์เครือข่าย↔ compare
- แบบจำลองบล็อกสุ่มแบบเบย์ (Bayesian Stochastic Block Model)การวิเคราะห์เครือข่าย↔ compare
- การวิเคราะห์มอดูลาริตีการวิเคราะห์เครือข่าย↔ compare
- แบบจำลองบล็อกสุ่มการวิเคราะห์เครือข่าย↔ compare