Machine learningNetwork science

Dinamiskā īpašvērtību centralitāte

Dinamiskā īpašvērtību centralitāte paplašina klasisko īpašvērtību centralitātes mērījumu tīkliem, kas mainās laika gaitā. Tā vietā, lai aprēķinātu vienu vadošo īpašvektoru uz statiskas adjacences matricas, tā izseko, kā mezgla ietekme — definēta pēc tā kaimiņu nozīmības — attīstās dažādos momentuzņēmumos vai laika logos. Šī metode tiek izmantota sociālo tīklu analīzē, epidemioloģijā un informācijas izplatības pētījumos, kur tīkla topoloģija nepārtraukti mainās.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

Avoti

  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

Kā citēt šo lapu

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/lv/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). Izgūts 2026-06-15 no https://scholargate.app/lv/network-analysis/dynamic-eigenvector-centrality · Datu kopa: https://doi.org/10.5281/zenodo.20539026