Machine learningNetwork science

Динамична сопствена централност

Динамична сопствена централност проширује класичну меру сопствене централности на мреже које се мењају током времена. Уместо рачунања једног водећег сопственог вектора на статичној матрици суседства, она прати како се утицај чвора — дефинисан важношћу његових суседа — развија кроз снимке или временске прозоре. Ова метода се користи у анализи друштвених мрежа, епидемиологији и студијама ширења информација где се топологија мреже непрекидно мења.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

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

Izvori

  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

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/sr/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). Preuzeto 2026-06-15 sa https://scholargate.app/sr/network-analysis/dynamic-eigenvector-centrality · Skup podataka: https://doi.org/10.5281/zenodo.20539026