Methodenbewijsdossier

Dynamic Eigenvector Centrality

Dynamic eigenvector centrality extends the classic eigenvector centrality measure to networks that change over time. Rather than computing a single leading eigenvector on a static adjacency matrix, it tracks how a node's influence — defined by the importance of its neighbours — evolves across snapshots or time windows. The method is used in social network analysis, epidemiology, and information diffusion studies where network topology shifts continuously.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Dynamic Eigenvector Centrality in Temporal Networks

Taxonomisch methodendossier · ml-model / network-analysis

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Taxonomic bucketDynamic PageRankmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketEigenvector Centralitymachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTemporal Community Detectionmachine-suggested · Relational suggestion, not evidence.Used in the same domainTemporal Network Analysismachine-suggested · Relational suggestion, not evidence.