So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Mô hình Đồ thị Ngẫu nhiên Lũy thừa Động× | Phân tích khuếch tán mạng lưới× | |
|---|---|---|
| Lĩnh vực | Phân tích mạng lưới | Phân tích mạng lưới |
| Họ | Machine learning | Machine learning |
| Năm ra đời≠ | 2010–2014 | 1927 (epidemic roots); network formalization 1990s–2000s |
| Người khởi xướng≠ | Hanneke, Fu & Xing; Krivitsky & Handcock | Kermack, W. O. & McKendrick, A. G. |
| Loại≠ | Probabilistic graphical model (temporal) | Simulation / analytical model |
| Công trình gốc≠ | Hanneke, S., Fu, W., & Xing, E. P. (2010). Discrete temporal models of social networks. Electronic Journal of Statistics, 4, 585–605. DOI ↗ | Kermack, W. O. & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society of London A, 115(772), 700–721. DOI ↗ |
| Tên gọi khác | TERGM, Temporal ERGM, Dynamic ERGM, STERGM | diffusion on networks, information diffusion, contagion spreading model, network propagation model |
| Liên quan≠ | 4 | 5 |
| Tóm tắt≠ | The Dynamic Exponential Random Graph Model (TERGM / STERGM) extends the classic ERGM framework to panel network data, modeling how a network's ties form and dissolve over time as a function of structural tendencies, nodal attributes, and the network's own past state. It provides statistically principled inference about longitudinal network change. | Network diffusion analysis models how information, diseases, behaviors, or innovations spread across a graph of nodes and edges. Drawing on classical epidemic theory (SI, SIR, SIS) and modern network science, it tracks which nodes become infected, how quickly, and whether the spread reaches a global cascade or dies out locally. |
| ScholarGateBộ dữ liệu ↗ |
|
|