Machine learningNetwork science

تحلیل مدولاریته پویا

تحلیل مدولاریته پویا، چارچوب کلاسیک مدولاریته را به شبکه‌هایی که در طول زمان تکامل می‌یابند گسترش می‌دهد، جوامع را در طول دنباله‌ای از نمایه‌های شبکه شناسایی می‌کند و در عین حال تغییرات غیرضروری جامعه را بین گام‌های زمانی جریمه می‌کند. این روش گروه‌های منسجم را شناسایی کرده و چگونگی شکل‌گیری، ادغام، تقسیم یا انحلال آن‌ها را ردیابی می‌کند و دیدگاهی اصولی از تغییرات ساختاری در داده‌های شبکه طولی به محققان ارائه می‌دهد.

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. Mucha, P. J., Richardson, T., Macon, K., Porter, M. A., & Onnela, J.-P. (2010). Community structure in time-dependent, multiscale, and multiplex networks. Science, 328(5980), 876–878. DOI: 10.1126/science.1184819
  2. Blondel, V. D., Guillaume, J.-L., Lambiotte, R., & Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, 2008(10), P10008. DOI: 10.1088/1742-5468/2008/10/P10008

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Dynamic Modularity Analysis (Temporal Community Structure Detection). ScholarGate. https://scholargate.app/fa/network-analysis/dynamic-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
ScholarGateDynamic Modularity Analysis (Dynamic Modularity Analysis (Temporal Community Structure Detection)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/dynamic-modularity-analysis · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026