Çok Katmanlı Stokastik Blok Modeli
Multilayer Stochastic Block Model (ML-SBM) · Ayrıca şöyle bilinir: ML-SBM, multilayer SBM, multi-layer stochastic block model, multiplex stochastic block model
Çok Katmanlı Stokastik Blok Modeli (ML-SBM), klasik stokastik blok modelini birden fazla ilişki türüne veya katmana sahip ağlara genişleten üretken olasılıksal bir çerçevedir. Hem topluluk yapısını hem de bloklar arası bağlantı olasılıklarını tüm katmanlarda eşzamanlı olarak çıkarır, toplulukların bağlam veya ilişki türüne bağlı olarak nasıl farklı şekilde tutarlı kaldığını yakalar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Ağ verilerinizde iki veya daha fazla farklı ilişki türü veya aynı düğüm kümesi için zaman dilimleri olduğunda ve toplulukları katman başına değil, eşzamanlı olarak katmanlar arasında tutarlı olacak şekilde tespit etmek istediğinizde çok katmanlı SBM'yi kullanın. Düğümlerin tek bir ilişki türünü aşan roller oynadığı organizasyonel, sosyal, biyolojik veya iletişim ağları için uygundur. Katmanların yapısal olarak ilgisiz olduğu veya düğüm kümesinin katmanlar arasında önemli ölçüde farklılaştığı durumlarda bundan kaçının. Yalnızca tek bir katman mevcut olduğunda uygulamayın — standart SBM yeterlidir. Çok seyrek bireysel katmanlar kararsız blok atamalarına yol açabilir ve dikkat gerektirir.
Güçlü yönler & sınırlılıklar
- Tüm katmanlardaki topluluk yapısını ortaklaşa modeller, katmanları ayrı ayrı analiz etmekten daha istatistiksel olarak verimli tahminler sağlar.
- Blok bağlantısındaki katmanlar arası değişimi açıkça yakalar, küresel topluluk yapısından sapan katmana özgü desenleri ortaya çıkarır.
- Katmanlar arasında bağlantı tahmini desteği, eksik veri atamasına ve ağ tamamlamaya olanak tanır.
- İlkeli bir olasılıksal üretken modele dayanır, resmi model karşılaştırmasına ve belirsizlik nicelemesine olanak tanır.
- İstenen emisyon modeline bağlı olarak ikili ve ağırlıklı kenarlarla uyumludur.
- Farklı ilişki türlerinde toplulukların tutarlı mı yoksa bağlama bağlı mı olduğunu belirler.
- Çıkarım karmaşıklığı, katman ve düğüm sayısıyla ölçeklenir, bu da büyük çok katmanlı ağları hesaplama açısından zorlu hale getirir.
- Doğru blok sayısı K'yı seçmek, analitik ek yük ekleyen model seçimi kriterleri gerektirir.
- Katmanlar arasında aynı düğümlerin olduğunu varsayar; heterojen düğüm kümeleri önemli model uyarlaması gerektirir.
- Çok seyrek katmanlar, uygun şekilde ağırlıklandırılmazsa veya düzenlenmezse çıkarıma hakim olabilir veya kararsızlaştırabilir.
SSS
Çok katmanlı SBM, her katmanda ayrı bir SBM çalıştırmaktan nasıl farklıdır?
Katmanları ayrı ayrı analiz etmek, paylaşılan topluluk yapısını göz ardı eder ve katmanlar arası düzenleştirmeyi kaçırır. Çok katmanlı SBM, tüm katmanlardan eşzamanlı olarak bilgilendirilen tek bir blok atama kümesi çıkarır, daha kararlı topluluklar sağlar ve bağlantı desenlerinin katmanlar arası karşılaştırılmasına olanak tanır.
Blok sayısı K'yı nasıl seçerim?
Yaygın yaklaşımlar arasında minimum tanım uzunluğu minimizasyonu, farklı K'lı modelleri karşılaştıran Bayes model seçimi veya tutulan bağlantı tahmini doğruluğu yer alır. K'yı keyfi olarak belirlemekten kaçının; bir dizi değer deneyin ve en iyi bilgi-teorik puana veya tahmin performansına sahip olanı seçin.
Çok katmanlı SBM ağırlıklı kenarları işleyebilir mi?
Evet. Standart formülasyon ikili komşuluk matrislerini hedefler, ancak model her katmandaki tamsayı değerli veya sürekli kenar ağırlıklarını barındırmak için uygun emisyon dağılımları (Poisson veya Gauss gibi) ile genişletilebilir.
Hangi yazılım çok katmanlı SBM uygular?
Tiago Peixoto'nun graph-tool Python kütüphanesi, MDL tabanlı model seçimi dahil olmak üzere olgun bir uygulama sunar. R paketleri (blockmodels gibi) ve De Bacco et al. (2017) makalesiyle ilişkili topluluk tarafından katkıda bulunulan Python betikleri içinde ek uygulamalar mevcuttur.
Çok katmanlı SBM, çoğulluk ağı yöntemleriyle aynı mı?
Aynı düğümlere ve birden fazla kenar türüne sahip çoğulluk ağları, çok katmanlı SBM'nin hedeflediği çok katmanlı ağların özel bir durumudur. Ancak SBM, özel olarak üretken bir çıkarım modelidir ve olasılıksal bir topluluk modeli olmayan tanımlayıcı çoğulluk yöntemlerinden farklıdır.
Kaynaklar
- Peixoto, T. P. (2015). Inferring the mesoscale structure of layered, edge-valued, and time-varying networks. Physical Review E, 92(4), 042807. DOI: 10.1103/PhysRevE.92.042807 ↗
- De Bacco, C., Power, E. A., Larremore, D. B., & Moore, C. (2017). Community detection, link prediction, and layer interdependence in multilayer networks. Physical Review E, 95(4), 042317. DOI: 10.1103/PhysRevE.95.042317 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Multilayer Stochastic Block Model (ML-SBM). ScholarGate. https://scholargate.app/tr/network-analysis/multilayer-stochastic-block-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bayesian Stokastik Blok ModeliAğ analizi↔ karşılaştır
- Çok Katmanlı Topluluk TespitiAğ analizi↔ karşılaştır
- Çok Katmanlı Ağ Yayılım AnaliziAğ analizi↔ karşılaştır
- Stokastik Blok ModeliAğ analizi↔ karşılaştır