Machine learningNetwork science

Temporalna centralność wektorów własnych

Temporalna centralność wektorów własnych rozszerza klasyczną centralność wektorów własnych na sieci zmieniające się w czasie. Uwzględniając porządek i czas występowania połączeń, identyfikuje węzły, które są wpływowe nie tylko z powodu wielu jednoczesnych połączeń, ale dlatego, że znajdują się na skrzyżowaniu sekwencyjnie ważnych ścieżek w wielu wycinkach czasowych sieci.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

Źródła

  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

Jak cytować tę stronę

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

Cytowana przez

ScholarGateTemporal Eigenvector Centrality (Temporal Eigenvector Centrality (Dynamic Eigenvector-Based Node Importance in Time-Varying Networks)). Pobrano 2026-06-15 z https://scholargate.app/pl/network-analysis/temporal-eigenvector-centrality · Zbiór danych: https://doi.org/10.5281/zenodo.20539026