Netzwerkanalyse
90 Methoden in dieser Familie.
Ausgewählt
Betweenness-ZentralitätBetweenness centrality, formalized by Linton C. Freeman in 1977, measures how often a node lies on the shortest path connecting every other pair of nodes in a network. High-betweenBipartite Network AnalysisBipartite network analysis, formalised by Borgatti and Everett in 1997, is a graph-structural method for studying networks in which nodes are divided into two disjoint sets — actorZentralitätsanalyseCentrality analysis is a family of network-analytic measures, formalized by Freeman (1979), that quantifies the structural importance of individual nodes within a graph. Each centrKlupplungzentralitätCloseness 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 describCommunity DetectionCommunity detection is a family of graph-partitioning algorithms that discover densely connected sub-groups — communities — within a network. First formalised through the modularitGradzentralitätDegree centrality is the simplest and most intuitive measure of a node's importance in a network, defined as the number of direct ties a node has to other nodes. Normalized by divi
Reading path
This topic's most-referenced foundational methods, in the order they were developed — a place to start if you're new here.
Alle Methoden 90
Betweenness-ZentralitätBipartite Network AnalysisZentralitätsanalyseKlupplungzentralitätCommunity DetectionGradzentralitätDirected Betweenness CentralityGerichtete Nähe-ZentralitätGerichtete GemeinschaftserkennungAnalyse von gerichteten Ego-NetzwerkenGerichtete EigenvektorzentralitätGerichtetes exponentielles ZufallsgraphmodellAnalyse gerichteter WissensgraphenGerichtete ModularitätsanalyseAnalyse gerichteter Multiplex-NetzwerkeAnalyse gerichteter NetzwerkdiffusionGerichtetes PageRankGerichtete NetzwerkanalyseAnalyse gerichteter zweimodaler NetzwerkeDynamische Closeness-ZentralitätDynamische Community-ErkennungDynamische GradzentralitätDynamische Ego-NetzwerkanalyseDynamische Eigenvektor-ZentralitätDynamisches Exponential Random Graph ModellDynamische ModularitätsanalyseDynamisches PageRankDynamisches Stochastisches BlockmodellDynamische Zwei-Moden-NetzwerkanalyseEgo-Netzwerkanalyse – Analyse persönlicher NetzwerkeEigenvektor-ZentralitätExponential Random Graph Model (ERGM / p*)GraphkernelsGraph Neural Networkk-Core-ZerlegungWissensgraphenanalyseKnowledge Graph EmbeddingsLink PredictionModularitätsanalyseMehrschichtige Betweenness-ZentralitätMultilayer-Nähe-ZentralitätMultilayer Community DetectionMultilayer-Grad-ZentralitätMultilayer-WissensgraphenanalyseMultilayer-NetzwerkanalyseMultilayer-Netzwerk-DiffusionsanalyseMultilayer PageRankMultilayer Social Network AnalysisMultilayer Stochastic Block ModelMultilayer Temporal Network AnalysisMultilayer Two-Mode Network AnalysisMultiplex-NetzwerkanalyseNetzwerkdiffusionsanalyseNetwork EmbeddingNetzwerkmotiv-AnalyseNetzwerkresilienz und SchwachstellenanalysePageRank-ZentralitätAnalyse sozialer NetzwerkeStochastic Block ModelTemporale ZwischenzentralitätTemporale Nähe-ZentralitätZeitliche GemeinschaftserkennungZeitliche GradzentralitätTemporale EigenvektorzentralitätAnalyse temporaler WissensgraphenTemporale ModularitätsanalyseTemporale Multiplex-NetzwerkanalyseZeitliche NetzwerkanalyseAnalyse der Diffusion in temporalen NetzwerkenTemporales PageRankZeitliche Analyse sozialer NetzwerkeTemporales Stochastisches BlockmodellTemporale Zwei-Moden-NetzwerkanalyseZweimodale NetzwerkanalyseGewichtete ZwischenzentralitätGewichtete Nähe-ZentralitätGewichtete GemeinschaftserkennungGewichtete GradzentralitätGewichtete Ego-NetzwerkanalyseGewichtete Eigenvektor-ZentralitätGewichtetes Exponential Random Graph ModelGewichtete WissensgraphenanalyseGewichtete ModularitätsanalyseGewichtete Multiplex-NetzwerkanalyseGewichtete Netzwerk-DiffusionsanalyseWeighted PageRankGewichtete Netzwerkanalyse (Weighted Social Network Analysis)Gewichtetes stochastisches BlockmodellGewichtete Temporale NetzwerkanalyseGewichtete Zwei-Moden-Netzwerkanalyse