Mô hình Khối Ngẫu nhiên Động
Mô hình Khối Ngẫu nhiên Động (DSBM) là một khuôn khổ xác suất sinh sinh học mở rộng mô hình khối ngẫu nhiên tĩnh sang các mạng được quan sát qua nhiều điểm thời gian. Nó đồng thời mô hình hóa thành viên cộng đồng và sự tiến hóa của cộng đồng, cho phép các nhà nghiên cứu phát hiện và theo dõi các nhóm tiềm ẩn và sự thay đổi cấu trúc của chúng theo thời gian trong dữ liệu mạng dọc.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Dynamic Stochastic Block Model (Temporal Community Detection). ScholarGate. https://scholargate.app/vi/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.
- Mô hình khối ngẫu nhiên BayesPhân tích mạng lưới↔ compare
- Phát hiện cộng đồng độngPhân tích mạng lưới↔ compare
- Phân tích tính mô-đunPhân tích mạng lưới↔ compare
- Mô hình Khối Ngẫu nhiên (Stochastic Block Model - SBM)Phân tích mạng lưới↔ compare
- Phân tích mạng thời gianPhân tích mạng lưới↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →