Machine learningNetwork science

Dynamická vlastná centralita

Dynamická vlastná centralita rozširuje klasickú mieru vlastnej centrality na siete, ktoré sa menia v čase. Namiesto výpočtu jedného vedúceho vlastného vektora na statickej matici susednosti sleduje, ako sa vplyv uzla – definovaný dôležitosťou jeho susedov – vyvíja naprieč snímkami alebo časovými oknami. Metóda sa používa v analýze sociálnych sietí, epidemiológii a štúdiách šírenia informácií, kde sa topológia siete neustále mení.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

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

Zdroje

  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

Ako citovať túto stránku

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/sk/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). Získané 2026-06-15 z https://scholargate.app/sk/network-analysis/dynamic-eigenvector-centrality · Dátová sada: https://doi.org/10.5281/zenodo.20539026