Tīklu analīze
90 metodes šajā saimē.
Izceltās
Starppriekšrocība (Betweenness Centrality)Betweenness centrality, formalized by Linton C. Freeman in 1977, measures how often a node lies on the shortest path connecting every other pair of nodes in a network. High-betweenDivīziju tīklu analīzeBipartite network analysis, formalised by Borgatti and Everett in 1997, is a graph-structural method for studying networks in which nodes are divided into two disjoint sets — actorCentrāles analīzeCentrality analysis is a family of network-analytic measures, formalized by Freeman (1979), that quantifies the structural importance of individual nodes within a graph. Each centrTuvuma centralitāteCloseness centrality measures how quickly a node can reach all others in a network by computing the inverse of its average shortest-path distance to every other node. First describKopienu noteikšanaCommunity detection is a family of graph-partitioning algorithms that discover densely connected sub-groups — communities — within a network. First formalised through the modularitCentrālā pakāpeDegree centrality is the simplest and most intuitive measure of a node's importance in a network, defined as the number of direct ties a node has to other nodes. Normalized by divi
Lasīšanas ceļš
Šīs tēmas visbiežāk citētās pamatmetodes to izstrādes secībā — vieta, kur sākt, ja esat šeit iesācējs.
Visas metodes 90
Starppriekšrocība (Betweenness Centrality)Divīziju tīklu analīzeCentrāles analīzeTuvuma centralitāteKopienu noteikšanaCentrālā pakāpeVērstā starpniecības centralitāteVērstā tuvuma centralitāteVērsta kopienu noteikšanaAnalīze virzītajos ego tīklosVirziena Eigenvektora CentrālismsModelis eksponenciāli nejaušiem virzītiem grafiemVērstā zināšanu grafu analīzeVērstā modularitātes analīzeDiverģētās multiplikācijas tīklu analīzeAnalīze virzītai tīklu difūzijaiVirziena PageRankVērstā sociālo tīklu analīzeVērsta divu režīmu tīkla analīzeDinamiskā tuvuma centrāleDinamiskā kopienu noteikšanaDinamiskā grādu centralitāteDinamiskā ego tīklu analīzeDinamiskā īpašvērtību centralitāteDinamiskais nejaušo grafu modelis (TERGM / STERGM)Dinamiskās modularitātes analīzeDinamiskais PageRankDinamiskais stohastiskais bloku modelisDinamiskā divu režīmu tīklu analīzeEgo tīklu analīzeĪpašvektoru centralitāteEksponenciālo tīklu modeļa (ERGM / p*)Grafu kodoliGrafu neironu tīklsk-Kodēšanas sadalījumsAnalīze, izmantojot zināšanu grafusKnowledge Graph EmbeddingsSaišu prognozēšanaModulāritātes analīzeDaudzslāņu starpposmu centralitāteDaudzslāņu tuvuma centrālismsDaudzslāņu kopienu noteikšanaDaudzslāņu grādu centralitāteDaudzslāņu zināšanu grafu analīzeDaudzslāņu tīklu analīzeDaudzslāņu tīklu difūzijas analīzeDaudzslāņu PageRankDaudzslāņu sociālo tīklu analīzeDaudzslāņu stohastiskais bloku modelisDaudzslāņu laika tīklu analīzeDaudzslāņu divu režīmu tīklu analīzeDaudzslāņu tīklu analīzeTīkla difūzijas analīzeTīkla iegulšanaTīkla motīvu analīzeTīkla noturības un ievainojamības analīzePageRank centrālās nozīmes algoritmsSociālo tīklu analīzeStohastiskais bloku modelisLaika starpības centrālās vērtības noteikšanaLaika tuvuma centrālismsTemporālā kopienu noteikšanaLaikmeta pakāpes centralitāteLaika mērauklu īpašvērtību centrālās vērtībasLaika zināšanu grafu analīzeLaika modulu analīzeLaika temporālās multiplikācijas tīklu analīzeLaika tīklu analīzeLaika tīklu difūzijas analīzeTemporālais PageRankTemporālā sociālo tīklu analīzeLaika Stohastiskais Bloku ModelisLaika divu-modu tīklu analīzeDivu-modālā tīklu analīzeSvērtais starpniecības centrālumsSvērtais tuvuma centrālismsSvaru kopienu noteikšanaSvērtais pakāpes centralitāteSvērtās ego tīklu analīzeSvērtais īpašvērtību centralitātes rādītājsSvērtais eksponenciālais nejaušo grafu modelis (W-ERGM)Svērtā zināšanu grafa analīzeSvērtā modulitātes analīzeSvērta multipleksu tīklu analīzeSvērtas tīklu difūzijas analīzeSvērtā PageRankSvērta sociālā tīkla analīzeSvara Stohastiskais Bloku ModelisSvērtā laika tīklu analīzeSvērta divu veidu tīklu analīze