人们对探索具有正向和负向链接的签名网络的兴趣与日俱增，因为它们比未签名的网络包含更多的信息。 作为签名网络分析的基本问题，社区检测和符号（或态度）预测仍然是主要挑战。 为了解决这些问题，我们提出了一种生成贝叶斯方法，其中：1）提出了一种带符号的随机块模型，通过明确地表示从一个随机的符号链接的密度和受挫程度的分布，来描述带符号网络的社区结构。 2）通过理论推导用于参数估计的变分贝叶斯EM和用于模型选择的基于变分的近似证据，提出了一种模型学习算法。 通过与合成网络和现实网络中的最新方法进行比较，所提