Machine learningNetwork science

Temporal Eigenvector Centrality

Temporal eigenvector centrality เป็นการขยายแนวคิด eigenvector centrality แบบดั้งเดิมไปสู่เครือข่ายที่มีการเปลี่ยนแปลงตลอดเวลา ด้วยการพิจารณาลำดับและช่วงเวลาของการเชื่อมโยง ทำให้สามารถระบุโหนดที่มีอิทธิพล ไม่ใช่เพียงเพราะมีการเชื่อมโยงพร้อมกันจำนวนมาก แต่เป็นเพราะโหนดเหล่านั้นตั้งอยู่บนทางแยกของเส้นทางที่มีความสำคัญตามลำดับเวลาในแต่ละช่วงเวลาของเครือข่าย

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

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

แหล่งอ้างอิง

  1. Grindrod, P., Parsons, M. C., Higham, D. J., & Estrada, E. (2011). Communicability across evolving networks. Physical Review E, 83(4), 046120. DOI: 10.1103/PhysRevE.83.046120
  2. Taylor, D., Myers, S. A., Clauset, A., Porter, M. A., & Mucha, P. J. (2017). Eigenvector-based centrality measures for temporal networks. Multiscale Modeling and Simulation, 15(1), 537-574. DOI: 10.1137/16M1066142

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Temporal Eigenvector Centrality (Dynamic Eigenvector-Based Node Importance in Time-Varying Networks). ScholarGate. https://scholargate.app/th/network-analysis/temporal-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

ถูกอ้างอิงโดย

ScholarGateTemporal Eigenvector Centrality (Temporal Eigenvector Centrality (Dynamic Eigenvector-Based Node Importance in Time-Varying Networks)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/network-analysis/temporal-eigenvector-centrality · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026