ScholarGate
Assistant
Machine learningNetwork science

Centralité de Proximité Dynamique

La centralité de proximité dynamique étend la centralité de proximité classique aux réseaux temporels en calculant les chemins les plus courts respectant le temps — chemins qui parcourent les arêtes dans l'ordre chronologique — et en moyennant les inverses des distances sur toutes les fenêtres temporelles. Elle révèle quels nœuds sont atteints le plus efficacement dans un réseau en évolution, en suivant comment la centralité d'un nœud augmente et diminue à mesure que les connexions apparaissent et disparaissent au fil du temps.

Ouvrir dans MethodMindBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Sources

  1. Tang, J., Musolesi, M., Mascolo, C., Latora, V. & Nicosia, V. (2010). Analysing information flows and key mediators through temporal centrality metrics. Proceedings of the 3rd Workshop on Social Network Systems (SNS '10). ACM. DOI: 10.1145/1852658.1852661
  2. Holme, P. & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI: 10.1016/j.physrep.2012.03.001

Comment citer cette page

ScholarGate. (2026, June 3). Dynamic Closeness Centrality in Temporal Networks. ScholarGate. https://scholargate.app/fr/network-analysis/dynamic-closeness-centrality

Quelle méthode ?

Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.

Comparer côte à côte
ScholarGateDynamic Closeness Centrality (Dynamic Closeness Centrality in Temporal Networks). Consulté le 2026-06-15 sur https://scholargate.app/fr/network-analysis/dynamic-closeness-centrality · Jeu de données : https://doi.org/10.5281/zenodo.20539026