本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #237
- 日期：2026-03-18
摘要
在本文中，我們擴展了先前關於隨機區塊模型的工作，隨機區塊模型是社交和生物網路的常用生成模型，以及從網路拓撲推斷功能組或社群的問題。我們使用統計物理學的空腔方法來獲得相圖的漸近精確分析。我們詳細描述了社區檢測問題的可檢測性/不可檢測性相變和易/難相變的屬性。我們的分析自然地轉化為置信傳播演算法，用於以最佳方式推斷節點的組成員資格，即最大化與底層組成員資格的重疊，並學習區塊模型的底層參數。最後，我們將該演算法應用於現實世界網路的兩個範例並討論其性能。