Machine learningNetwork science

Temporális sajátvektor-központiság

A temporális sajátvektor-központiság a klasszikus sajátvektor-központiság kiterjesztése az időben változó hálózatokra. A kapcsolatok sorrendjének és időzítésének figyelembevételével olyan csomópontokat azonosít, amelyek nem csupán a sok egyidejű kapcsolat miatt befolyásosak, hanem azért, mert a hálózat több időszeletén átívelő, szekvenciálisan fontos útvonalak kereszteződésében helyezkednek el.

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. Grindrod, P., Parsons, M. C., Higham, D. J., & Estrada, E. (2011). Communicability across evolving networks. Physical Review E, 83(4), 046120. DOI: 10.1103/PhysRevE.83.046120
  2. Taylor, D., Myers, S. A., Clauset, A., Porter, M. A., & Mucha, P. J. (2017). Eigenvector-based centrality measures for temporal networks. Multiscale Modeling and Simulation, 15(1), 537-574. DOI: 10.1137/16M1066142

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Temporal Eigenvector Centrality (Dynamic Eigenvector-Based Node Importance in Time-Varying Networks). ScholarGate. https://scholargate.app/hu/network-analysis/temporal-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

Hivatkozik rá

ScholarGateTemporal Eigenvector Centrality (Temporal Eigenvector Centrality (Dynamic Eigenvector-Based Node Importance in Time-Varying Networks)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/network-analysis/temporal-eigenvector-centrality · Adatkészlet: https://doi.org/10.5281/zenodo.20539026