Machine learningNetwork science

Динамическая центральность по собственному вектору

Динамическая центральность по собственному вектору расширяет классическую меру центральности по собственному вектору на сети, которые меняются со временем. Вместо вычисления единственного ведущего собственного вектора для статической матрицы смежности, она отслеживает, как влияние узла — определяемое важностью его соседей — развивается в последовательности снимков или временных окон. Метод используется в анализе социальных сетей, эпидемиологии и исследованиях диффузии информации, где топология сети постоянно меняется.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Источники

  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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/ru/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). Получено 2026-06-15 из https://scholargate.app/ru/network-analysis/dynamic-eigenvector-centrality · Набор данных: https://doi.org/10.5281/zenodo.20539026