Machine learningNetwork science

พลวัตของค่าศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะ (Dynamic Eigenvector Centrality)

พลวัตของค่าศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะเป็นการขยายการวัดค่าศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะแบบดั้งเดิมไปยังเครือข่ายที่มีการเปลี่ยนแปลงตามกาลเวลา แทนที่จะคำนวณเวกเตอร์ลักษณะเฉพาะนำเพียงค่าเดียวบนเมทริกซ์ประชิดแบบคงที่ วิธีการนี้จะติดตามว่าอิทธิพลของโหนด — ซึ่งกำหนดโดยความสำคัญของเพื่อนบ้าน — มีวิวัฒนาการอย่างไรผ่านภาพรวม (snapshots) หรือหน้าต่างเวลา (time windows) วิธีการนี้ถูกนำไปใช้ในการวิเคราะห์เครือข่ายสังคม ระบาดวิทยา และการศึกษาการแพร่กระจายของข้อมูล ซึ่งโครงสร้างเครือข่ายมีการเปลี่ยนแปลงอย่างต่อเนื่อง

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

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

พลวัตของค่าศูนย์กลางแบบเวกเตอร์ลักษณะเฉพาะ (Dynamic Eigenvector Centrality)
Dynamic PageRankEigenvector Centralityการตรวจจับชุมชนเชิงเวลาการวิเคราะห์เครือข่ายเชิ…

แหล่งอ้างอิง

  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

วิธีอ้างอิงหน้านี้

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