Machine learningNetwork science

مرکزیت بردار ویژه پویا

مرکزیت بردار ویژه پویا، معیار مرکزیت بردار ویژه کلاسیک را به شبکه‌هایی که در طول زمان تغییر می‌کنند، گسترش می‌دهد. به جای محاسبه یک بردار ویژه پیشرو منفرد بر روی یک ماتریس مجاورت ایستا، این روش چگونگی تکامل نفوذ یک گره - که با اهمیت همسایگان آن تعریف می‌شود - را در طول عکس‌های فوری یا پنجره‌های زمانی ردیابی می‌کند. این روش در تحلیل شبکه‌های اجتماعی، همه‌گیرشناسی و مطالعات انتشار اطلاعات که در آن‌ها توپولوژی شبکه به طور مداوم تغییر می‌کند، استفاده می‌شود.

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. 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

نحوهٔ استناد به این صفحه

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