ScholarGate
دستیار
Machine learningNetwork science

مرکزیت بینابینی چندلایه‌ای

مرکزیت بینابینی چندلایه‌ای، معیار بینابینی کلاسیک را به شبکه‌هایی با انواع روابط متعدد یا لایه‌های مختلف گسترش می‌دهد. این معیار با محاسبه اینکه یک گره (نود) چند بار در مسیرهای کوتاهی قرار می‌گیرد که می‌توانند از هر لایه‌ای عبور کنند یا بین لایه‌ها جابجا شوند، عمل می‌کند. این معیار، واسطه‌ها و پل‌هایی را شناسایی می‌کند که نفوذشان به طور همزمان حوزه‌های تعاملی متمایز را پوشش 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. De Domenico, M., Solé-Ribalta, A., Cozzo, E., Kivelä, M., Moreno, Y., Porter, M. A., Gómez, S., & Arenas, A. (2013). Mathematical formulation of multilayer networks. Physical Review X, 3(4), 041022. DOI: 10.1103/PhysRevX.3.041022
  2. Kivelä, M., Arenas, A., Barthelemy, M., Gleeson, J. P., Moreno, Y., & Porter, M. A. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271. DOI: 10.1093/comnet/cnu016

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Multilayer Betweenness Centrality (Tensor-based Network Centrality). ScholarGate. https://scholargate.app/fa/network-analysis/multilayer-betweenness-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

ارجاع‌شده در

ScholarGateMultilayer Betweenness Centrality (Multilayer Betweenness Centrality (Tensor-based Network Centrality)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/multilayer-betweenness-centrality · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026