So sánh phương pháp
Xem các phương pháp đã chọn cạnh nhau; những hàng khác biệt được làm nổi bật.
| Mô hình Khối Ngẫu nhiên (Stochastic Block Model - SBM)× | Phân cụm phân cấp× | |
|---|---|---|
| Lĩnh vực≠ | Phân tích mạng lưới | Học máy |
| Họ≠ | Process / pipeline | Machine learning |
| Năm ra đời≠ | 1983 | 1963 |
| Người khởi xướng≠ | — | Ward, J. H. |
| Loại≠ | Probabilistic generative graph model | Unsupervised clustering (agglomerative) |
| Công trình gốc≠ | Holland, P.W., Laskey, K.B. & Leinhardt, S. (1983). Stochastic Blockmodels: First Steps. Social Networks, 5(2), 109-137. DOI ↗ | Ward, J. H. (1963). Hierarchical Grouping to Optimize an Objective Function. Journal of the American Statistical Association, 58(301), 236–244. DOI ↗ |
| Tên gọi khác≠ | SBM, degree-corrected SBM, DCSBM, Stokastik Blok Modeli (SBM) | Hiyerarşik Kümeleme, hiyerarşik kümeleme, agglomerative clustering, hierarchical agglomerative clustering |
| Liên quan≠ | 7 | 4 |
| Tóm tắt≠ | 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. | Hierarchical clustering is an unsupervised method that groups observations into nested clusters and draws the result as a dendrogram, so the number of clusters need not be fixed in advance. Its agglomerative form rests on the objective-function grouping criterion introduced by Joe Ward in 1963. |
| ScholarGateBộ dữ liệu ↗ |
|
|