Machine learningNetwork science

Dinamikus sajátvektor-központiság

A dinamikus sajátvektor-központiság a klasszikus sajátvektor-központiság mértékét terjeszti ki az időben változó hálózatokra. Ahelyett, hogy egyetlen vezető sajátvektort számítanánk ki egy statikus szomszédsági mátrixon, nyomon követi, hogyan alakul egy csomópont befolyása – amelyet szomszédainak fontossága határoz meg – pillanatfelvételek vagy időablakok során. A módszert szociális hálózatok elemzésében, epidemiológiában és információterjedési tanulmányokban használják, ahol a hálózat topológiája folyamatosan eltolódik.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

Források

  1. Lerman, K., Ghosh, R., & Kang, J. H. (2010). Centrality metric for dynamic networks. Proceedings of the 8th Workshop on Mining and Learning with Graphs (MLG '10). ACM. link
  2. Eigenvector centrality. Wikipedia. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/hu/network-analysis/dynamic-eigenvector-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
ScholarGateDynamic Eigenvector Centrality (Dynamic Eigenvector Centrality in Temporal Networks). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/network-analysis/dynamic-eigenvector-centrality · Adatkészlet: https://doi.org/10.5281/zenodo.20539026