Machine learningNetwork science

Ajallinen asteluku (Temporal Degree Centrality)

Ajallinen asteluku laajentaa klassista astelukua aikavaihteleviin verkostoihin laskemalla, kuinka monta erillistä kontaktia solmu kerää ajan myötä. Sen sijaan, että dynaaminen verkosto romahdutettaisiin yhdeksi staattiseksi graafiksi, se säilyttää särmien (edges) ajallisen järjestyksen, tuottaen uskollisemman mitan solmun aktiivisuudelle ja tavoitettavuudelle tarkasteluikkunan aikana.

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.

Lähteet

  1. Holme, P. & Saramaki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI: 10.1016/j.physrep.2012.03.001
  2. Kim, H. & Anderson, R. (2012). Temporal node centrality in complex networks. Physical Review E, 85(2), 026107. DOI: 10.1103/PhysRevE.85.026107

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Temporal Degree Centrality in Time-Varying Networks. ScholarGate. https://scholargate.app/fi/network-analysis/temporal-degree-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

Tähän viittaavat

ScholarGateTemporal Degree Centrality (Temporal Degree Centrality in Time-Varying Networks). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/network-analysis/temporal-degree-centrality · Aineisto: https://doi.org/10.5281/zenodo.20539026