Machine learningNetwork science

Dynamická centralita vlastního vektoru

Dynamická centralita vlastního vektoru rozšiřuje klasickou míru centrality vlastního vektoru na sítě, které se mění v čase. Namísto výpočtu jediného dominantního vlastního vektoru na statické matici sousednosti sleduje, jak se vliv uzlu – definovaný důležitostí jeho sousedů – vyvíjí napříč snímky nebo časovými okny. Metoda se používá v analýze sociálních sítí, epidemiologii a studiích šíření informací, kde se topologie sítě neustále mění.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

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

Zdroje

  1. Lerman, K., Ghosh, R., & Kang, J. H. (2010). Centrality metric for dynamic networks. Proceedings of the 8th Workshop on Mining and Learning with Graphs (MLG '10). ACM. link
  2. Eigenvector centrality. Wikipedia. link

Jak citovat tuto stránku

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/cs/network-analysis/dynamic-eigenvector-centrality

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
ScholarGateDynamic Eigenvector Centrality (Dynamic Eigenvector Centrality in Temporal Networks). Získáno 2026-06-15 z https://scholargate.app/cs/network-analysis/dynamic-eigenvector-centrality · Datová sada: https://doi.org/10.5281/zenodo.20539026