ScholarGate
Assistent
Machine learningNetwork science

Dynamisk Nærhedscentralitet

Dynamisk nærhedscentralitet udvider klassisk nærhedscentralitet til tidsmæssige netværk ved at beregne korteste tidsrespekterende stier — stier, der traverserer kanter i kronologisk rækkefølge — og gennemsnitlig invers afstand på tværs af alle tidsvinduer. Den afslører, hvilke knudepunkter der mest effektivt kan nås inden for et udviklende netværk, og sporer, hvordan en knudes centralitet stiger og falder, efterhånden som forbindelser opstår og forsvinder over tid.

Åbn i MethodMindSnartVideoSnartHent slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Metodekort

Nabolaget af beslægtede metoder — vælg en knude for at udforske.

Kilder

  1. Tang, J., Musolesi, M., Mascolo, C., Latora, V. & Nicosia, V. (2010). Analysing information flows and key mediators through temporal centrality metrics. Proceedings of the 3rd Workshop on Social Network Systems (SNS '10). ACM. DOI: 10.1145/1852658.1852661
  2. Holme, P. & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI: 10.1016/j.physrep.2012.03.001

Sådan citerer du denne side

ScholarGate. (2026, June 3). Dynamic Closeness Centrality in Temporal Networks. ScholarGate. https://scholargate.app/da/network-analysis/dynamic-closeness-centrality

Hvilken metode?

Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.

Sammenlign side om side
ScholarGateDynamic Closeness Centrality (Dynamic Closeness Centrality in Temporal Networks). Hentet 2026-06-15 fra https://scholargate.app/da/network-analysis/dynamic-closeness-centrality · Datasæt: https://doi.org/10.5281/zenodo.20539026