混合メンバシップ・ブロックモデルの推定法としては尤度最大化に基づく手法が一般的であるが，大きなグラフに対しては大きな計算コストが必要となることが知られている．近年，Anandkumar らによってテンソルのスペクトル分解を用いた手法が提案され，尤度最大化に代わる推定手法として注目されている．しかし，Anandkumar らの手法ではクラスタ間の接続行列がフルランクであることを仮定しており，フルランクでないものには適用できなかった．本研究では，ノードを新たに加えることでクラスタ間の接続確率行列がフルランクでないものにも適用できるような手法を提案する．また，その他にも、データをより有効利用するための改良を加え，Anandkumar らの手法と比較実験を行い，効果を確認した．Maximum likelihood estimation is a common approach to estimating mixed membership stochastic block models; however, it is known that it suffers from its high computational. Recently, Anandkumar et al. proposed a tensor spectral method for mixed membership stochastic block models, and their method is attracting considerable attentions due to its computational efficiency and theoretical guarantees. However, one of the serious drawbacks is that their tensor spectral method assumes that the connection probability matrix is non-singular, which does not always hold in practice. In this paper, we propose a modification of their method so that it is applicable to singular connection probability matrices. In addition, we make another modification to fully utilize available information, and confirmed their effectiveness. We also propose other improvement and compare with a method which Anandkumar et al proposed.