随机块模型（SBM）最近在社交网络分析领域备受关注和统计机器学习，因为它使我们能够分解然后分析探索性网络，而无需知道有关其内在结构的任何先验信息。 但是，过高的计算成本限制了SBM 具有对具有数百个节点的小型网络进行模型选择的学习算法。 本文介绍精巧的SBM及其快速学习算法（称为FSL），该算法巧妙地结合了组件级EM （CEM）算法和最小消息长度（MML）一起实现参数估计的并行学习和模型评估。 FSL大大降低了学习算法的时间复杂度，并扩展为具有数千个节点的网络。 实验结果表明，FSL可以通过大大