পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| সান্নিধ্য কেন্দ্রীয়তা× | নেটওয়ার্ক ডিফিউশন অ্যানালাইসিস (Network Diffusion Analysis)× | |
|---|---|---|
| ক্ষেত্র | নেটওয়ার্ক বিশ্লেষণ | নেটওয়ার্ক বিশ্লেষণ |
| পরিবার | Machine learning | Machine learning |
| উদ্ভবের বছর≠ | 1950 (formalized 1979) | 1927 (epidemic roots); network formalization 1990s–2000s |
| প্রবর্তক≠ | Bavelas, A.; formalized by Freeman, L. C. | Kermack, W. O. & McKendrick, A. G. |
| ধরন≠ | Node-level centrality index | Simulation / analytical model |
| মৌলিক উৎস≠ | Freeman, L. C. (1979). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239. DOI ↗ | Kermack, W. O. & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society of London A, 115(772), 700–721. DOI ↗ |
| অপর নাম | closeness, farness-based centrality, geodesic closeness, normalized closeness centrality | diffusion on networks, information diffusion, contagion spreading model, network propagation model |
| সম্পর্কিত≠ | 6 | 5 |
| সারসংক্ষেপ≠ | Closeness centrality measures how quickly a node can reach all others in a network by computing the inverse of its average shortest-path distance to every other node. First described by Bavelas (1950) and formally unified by Freeman (1979), it identifies nodes that can spread information or resources efficiently across the entire graph — not merely nodes with many direct contacts. | Network diffusion analysis models how information, diseases, behaviors, or innovations spread across a graph of nodes and edges. Drawing on classical epidemic theory (SI, SIR, SIS) and modern network science, it tracks which nodes become infected, how quickly, and whether the spread reaches a global cascade or dies out locally. |
| ScholarGateডেটাসেট ↗ |
|
|