Machine learningNetwork science

Ajallinen moduulianalyysi

Aikaulottuvuusanalyysi laajentaa tavanomaista modulaatiopohjaista yhteisöntunnistusta aikavaihteleviin verkostoihin käsittelemällä kutakin aikaviipaletta verkkokerroksena ja yhdistämällä vierekkäisiä kerroksia aikojen välisillä linkeillä. Tämä mahdollistaa tutkijoille sen tunnistamisen, miten yhteisöt muodostuvat, säilyvät, yhdistyvät, jakautuvat ja hajoavat ajan myötä dynaamisissa suhdedatoissa.

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. 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. Holme, P., & Saramaki, J. (2012). Temporal networks. Physics Reports, 519(3), 97-125. DOI: 10.1016/j.physrep.2012.03.001

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Temporal Modularity Analysis (Dynamic Community Detection via Modularity Optimization). ScholarGate. https://scholargate.app/fi/network-analysis/temporal-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

Tähän viittaavat

ScholarGateTemporal Modularity Analysis (Temporal Modularity Analysis (Dynamic Community Detection via Modularity Optimization)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/network-analysis/temporal-modularity-analysis · Aineisto: https://doi.org/10.5281/zenodo.20539026