ScholarGate
دستیار
Machine learningNetwork science

مرکزیت نزدیکی پویا

مرکزیت نزدیکی پویا، مرکزیت نزدیکی کلاسیک را به شبکه‌های زمانی تعمیم می‌دهد؛ این کار با محاسبه کوتاه‌ترین مسیرهای زمان‌نگهدار — مسیرهایی که یال‌ها را به ترتیب زمانی طی می‌کنند — و میانگین‌گیری از معکوس فاصله‌ها در تمام پنجره‌های زمانی انجام می‌شود. این روش نشان می‌دهد کدام گره‌ها در یک شبکه در حال تحول، با بیشترین کارایی قابل دسترسی هستند و چگونگی افزایش و کاهش مرکزیت یک گره را با ظاهر و ناپدید شدن اتصالات در طول زمان ردیابی 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. Tang, J., Musolesi, M., Mascolo, C., Latora, V. & Nicosia, V. (2010). Analysing information flows and key mediators through temporal centrality metrics. Proceedings of the 3rd Workshop on Social Network Systems (SNS '10). ACM. DOI: 10.1145/1852658.1852661
  2. Holme, P. & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI: 10.1016/j.physrep.2012.03.001

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Dynamic Closeness Centrality in Temporal Networks. ScholarGate. https://scholargate.app/fa/network-analysis/dynamic-closeness-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 Closeness Centrality (Dynamic Closeness Centrality in Temporal Networks). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/dynamic-closeness-centrality · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026