Dynamic Stochastic Block Model
Dynamic Stochastic Block Model (DSBM) เป็นกรอบการทำงานเชิงความน่าจะเป็นแบบสร้าง (generative probabilistic framework) ที่ขยายแบบจำลอง Stochastic Block Model แบบสถิต (static stochastic block model) ไปสู่เครือข่ายที่สังเกตได้ ณ หลายช่วงเวลา โดยจะจำลองทั้งการเป็นสมาชิกของกลุ่ม (community membership) และวิวัฒนาการของกลุ่ม (community evolution) ไปพร้อมกัน ทำให้ผู้วิจัยสามารถตรวจจับและติดตามกลุ่มที่ซ่อนอยู่ (latent groups) และการเปลี่ยนแปลงโครงสร้างของกลุ่มเหล่านั้นเมื่อเวลาผ่านไปในข้อมูลเครือข่ายตามช่วงเวลา (longitudinal network data) ได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Yang, T., Chi, Y., Zhu, S., Gong, Y., & Jin, R. (2011). Detecting communities and their evolutions in dynamic social networks — a Bayesian approach. Machine Learning, 82(2), 157–189. DOI: 10.1007/s10994-010-5214-7 ↗
- Matias, C., & Miele, V. (2017). Statistical clustering of temporal networks through a dynamic stochastic block model. Journal of the Royal Statistical Society: Series B, 79(4), 1119–1141. DOI: 10.1111/rssb.12200 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Dynamic Stochastic Block Model (Temporal Community Detection). ScholarGate. https://scholargate.app/th/network-analysis/dynamic-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.
- แบบจำลองบล็อกสุ่มแบบเบย์ (Bayesian Stochastic Block Model)การวิเคราะห์เครือข่าย↔ compare
- การตรวจจับชุมชนแบบพลวัตการวิเคราะห์เครือข่าย↔ compare
- การวิเคราะห์มอดูลาริตีการวิเคราะห์เครือข่าย↔ compare
- แบบจำลองบล็อกสุ่มการวิเคราะห์เครือข่าย↔ compare
- การวิเคราะห์เครือข่ายเชิงเวลาการวิเคราะห์เครือข่าย↔ compare