Machine learningNetwork science

Dynamic Community Detection in Evolving Networks

В статична мрежа можете да намерите клъстери от възли, които са по-свързани помежду си, отколкото с останалите. В действителния живот обаче мрежите се променят: приятелства се формират и разпадат, сътрудничества се изместват, а епидемии се разпространяват. Динамичното откриване на общности се справя с това, като третира последователност от мрежови снимки като единна многослойна структура, свързвайки всеки възел със съответния му в следващата времева стъпка. Това свързване принуждава алгоритъма да намира общности, които са кохерентни както в рамките на времеви разрез, така и във времето, така че буквално можете да проследите една общност, докато тя расте, намалява, слива се с друга или се разпада.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Източници

  1. Mucha, P. J., Richardson, T., Macon, K., Porter, M. A., & Onnela, J.-P. (2010). Community structure in time-dependent, multiscale, and multiplex networks. Science, 328(5980), 876–878. DOI: 10.1126/science.1184819
  2. Fortunato, S., & Hric, D. (2016). Community detection in networks: A user guide. Physics Reports, 659, 1–44. DOI: 10.1016/j.physrep.2016.09.002

Как да цитирате тази страница

ScholarGate. (2026, June 3). Dynamic Community Detection in Evolving Networks. ScholarGate. https://scholargate.app/bg/network-analysis/dynamic-community-detection

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Цитиран в

ScholarGateDynamic Community Detection (Dynamic Community Detection in Evolving Networks). Извлечено на 2026-06-15 от https://scholargate.app/bg/network-analysis/dynamic-community-detection · Набор от данни: https://doi.org/10.5281/zenodo.20539026