Machine learningNetwork science

تحلیل انتشار در شبکه‌های جهت‌دار

تحلیل انتشار در شبکه‌های جهت‌دار به مطالعه چگونگی گسترش اطلاعات، بیماری، رفتار یا نفوذ در شبکه‌ای می‌پردازد که در آن یال‌ها دارای جهت هستند — به این معنی که انتقال در هر پیوند یک‌طرفه است. این روش، نمایش‌های نظریه گراف را با مدل‌های انتشار تصادفی مانند آبشار مستقل (independent cascade)، آستانه خطی (linear threshold) یا SIR/SIS ترکیب می‌کند و در تحقیقات مربوط به حداکثرسازی نفوذ، پیش‌بینی همه‌گیری و انتشار اطلاعات، نقشی اساسی دارد.

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. Kempe, D., Kleinberg, J., & Tardos, E. (2003). Maximizing the spread of influence through a social network. Proceedings of the 9th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 137–146. DOI: 10.1145/956750.956769
  2. Pastor-Satorras, R., Castellano, C., Van Mieghem, P., & Vespignani, A. (2015). Epidemic processes in complex networks. Reviews of Modern Physics, 87(3), 925–979. DOI: 10.1103/RevModPhys.87.925

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Directed Network Diffusion Analysis (Influence and Spreading Processes on Directed Graphs). ScholarGate. https://scholargate.app/fa/network-analysis/directed-network-diffusion-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
ScholarGateDirected Network Diffusion Analysis (Directed Network Diffusion Analysis (Influence and Spreading Processes on Directed Graphs)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/directed-network-diffusion-analysis · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026