Machine learningNetwork science

Δυναμική Κεντρικότητα Ιδιοδιανύσματος

Η δυναμική κεντρικότητα ιδιοδιανύσματος επεκτείνει το κλασικό μέτρο κεντρικότητας ιδιοδιανύσματος σε δίκτυα που μεταβάλλονται με τον χρόνο. Αντί να υπολογίζει ένα μοναδικό κύριο ιδιοδιάνυσμα σε έναν στατικό πίνακα γειτνίασης, παρακολουθεί πώς η επιρροή ενός κόμβου — που ορίζεται από τη σημασία των γειτόνων του — εξελίσσεται σε στιγμιότυπα ή χρονικά παράθυρα. Η μέθοδος χρησιμοποιείται στην ανάλυση κοινωνικών δικτύων, στην επιδημιολογία και σε μελέτες διάχυσης πληροφοριών όπου η τοπολογία του δικτύου μετατοπίζεται συνεχώς.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/el/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). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/network-analysis/dynamic-eigenvector-centrality · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026