ScholarGate
Assistent
Machine learningNetwork science

Dynamisk egenvektorcentralitet

Dynamisk egenvektorcentralitet udvider den klassiske egenvektorcentralitetsmåling til netværk, der ændrer sig over tid. I stedet for at beregne en enkelt ledende egenvektor på en statisk naboskabsmatrix, sporer den, hvordan en nodes indflydelse – defineret ved vigtigheden af dens naboer – udvikler sig på tværs af snapshots eller tidsvinduer. Metoden anvendes inden for social netværksanalyse, epidemiologi og studier af informationsspredning, hvor netværkstopologien skifter kontinuerligt.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

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

Log ind

Method map

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

Kilder

  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

Sådan citerer du denne side

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/da/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). Hentet 2026-06-15 fra https://scholargate.app/da/network-analysis/dynamic-eigenvector-centrality · Datasæt: https://doi.org/10.5281/zenodo.20539026