ScholarGate
Assistent
Machine learningNetwork science

Dynamisk egenvektorscentralitet

Dynamisk egenvektorscentralitet utökar det klassiska måttet egenvektorscentralitet till nätverk som förändras över tid. Istället för att beräkna en enda ledande egenvektor på en statisk adjacensmatris, spårar den hur en nods inflytande – definierat av vikten av dess grannar – utvecklas över ögonblicksbilder eller tidsfönster. Metoden används inom social nätverksanalys, epidemiologi och studier av informationsspridning där nätverkstopologin kontinuerligt förändras.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  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

Så citerar du den här sidan

ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/sv/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). Hämtad 2026-06-15 från https://scholargate.app/sv/network-analysis/dynamic-eigenvector-centrality · Datamängd: https://doi.org/10.5281/zenodo.20539026