热点事件持续更新
研究者提出双重校正随机块模型DC²SBM
1 篇报道1 个报道来源17 小时前更新
先了解这件事
AI 综述
2026年11月2日，相关研究者在arXiv发布论文，正式提出用于属性网络广义结构检测的双重校正随机块模型（DC²SBM）。该模型分别在连边与属性生成通道中引入拓扑度因子与属性丰度因子，实现了节点活跃度与社区成员推断的解耦。在推断机制上，DC²SBM采用EM算法，新引入的校正因子在后验计算中能够完全抵消，因此不会带来额外的计算成本。实验结果表明，该模型在合成网络与真实网络中的社区发现准确率均优于现有的SOTA方法，且在网络拓扑信号较弱的场景下优势尤为显著。
AI 根据报道生成 · 17 小时前更新
最新进展11月2日 13:00
研究者提出双重校正随机块模型DC²SBM，无需额外计算成本即可提升属性网络的社区发现准确率。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv stat.ML双重校正随机块模型（DC²SBM）：属性网络的广义结构检测方法
双重校正随机块模型（DC²SBM）正式提出，通过在连边与属性生成通道分别引入拓扑度因子与属性丰度因子，实现了节点活跃度与社区成员推断的解耦。该模型采用 EM 算法推断，引入的新校正因子在后验计算中完全抵消，不产生额外计算成本。实验表明，DC²SBM 在合成与真实网络中的社区发现准确率优于 SOTA 方法，在拓扑信号较弱时优势尤为明显。
本事件热度走势
当前热度 6·可比范围峰值 10（11月2日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。