Machine learningNetwork science

تحلیل مدولاریتی جهت‌دار

تحلیل مدولاریتی جهت‌دار، چارچوب کلاسیک مدولاریتی نیومن-گیروان را به گراف‌های جهت‌دار گسترش می‌دهد، جایی که یال‌ها دارای مبدأ و مقصد هستند. این روش که در سال ۲۰۰۸ توسط لایت و نیومن فرمول‌بندی شد، گره‌ها را با بیشینه‌سازی امتیاز مدولاریتی که درجه ورودی و خروجی جداگانه هر گره را در مدل پوچ در نظر می‌گیرد، به جوامع تقسیم می‌کند و آن را به رویکرد استاندارد برای تشخیص جامعه در شبکه‌های استنادی، جریان اطلاعات و سایر داده‌های رابطه‌ای نامتقارن تبدیل می‌کند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Leicht, E. A., & Newman, M. E. J. (2008). Community structure in directed networks. Physical Review Letters, 100(11), 118703. DOI: 10.1103/PhysRevLett.100.118703
  2. Newman, M. E. J., & Girvan, M. (2004). Finding and evaluating community structure in networks. Physical Review E, 69(2), 026113. DOI: 10.1103/PhysRevE.69.026113

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Directed Modularity Analysis (Leicht-Newman Directed Community Detection). ScholarGate. https://scholargate.app/fa/network-analysis/directed-modularity-analysis

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

ارجاع‌شده در

ScholarGateDirected Modularity Analysis (Directed Modularity Analysis (Leicht-Newman Directed Community Detection)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/directed-modularity-analysis · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026