Machine learningNetwork science

Dynaaminen yhteisöjen tunnistus

Staattisessa verkossa voidaan löytää solmujoukkoja, jotka ovat enemmän yhteydessä toisiinsa kuin muuhun verkkoon. Todellisessa elämässä verkot kuitenkin muuttuvat: ystävyyssuhteita muodostuu ja hajoaa, yhteistyö muuttuu ja epidemiat leviävät. Dynaaminen yhteisöjen tunnistus käsittelee tätä esittämällä peräkkäisiä verkkopurskeita yhtenä kerrosrakenteena, yhdistäen jokaisen solmun sen vastineeseen seuraavassa aikapisteessä. Tämä kytkentä pakottaa algoritmin löytämään yhteisöjä, jotka ovat yhtenäisiä sekä aikapurskeen sisällä että yli ajan, joten voit kirjaimellisesti seurata yhteisöä sen kasvaessa, kutistuessa, yhdistyessä toiseen tai hajotessa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

The neighbourhood of related methods — select a node to explore.

+1 more

Lähteet

  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. Fortunato, S., & Hric, D. (2016). Community detection in networks: A user guide. Physics Reports, 659, 1–44. DOI: 10.1016/j.physrep.2016.09.002

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Dynamic Community Detection in Evolving Networks. ScholarGate. https://scholargate.app/fi/network-analysis/dynamic-community-detection

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

Tähän viittaavat

ScholarGateDynamic Community Detection (Dynamic Community Detection in Evolving Networks). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/network-analysis/dynamic-community-detection · Aineisto: https://doi.org/10.5281/zenodo.20539026