Zamansal Derece Merkeziyeti
Temporal Degree Centrality in Time-Varying Networks · Ayrıca şöyle bilinir: time-varying degree centrality, dynamic degree centrality, temporal node degree, TDC
Zamansal derece merkeziyeti, klasik derece merkeziyetini zamana bağlı ağlara, bir düğümün zaman içinde biriktirdiği farklı temasları sayarak genişletir. Dinamik bir ağı tek bir statik grafiğe indirgemek yerine, kenarların zamansal sırasını koruyarak, gözlem penceresi boyunca bir düğümün etkinliği ve ulaşılabilirliğinin daha doğru bir ölçüsünü verir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Zaman damgalı olarak toplanan ağ verileriniz olduğunda — e-posta günlükleri, mobil çağrı kayıtları, yakınlık sensörü verileri veya sosyal medya etkileşimleri gibi — ve zaman içinde kalıcı olarak aktif olan veya en çok teması biriktiren düğümleri belirlemek istediğinizde zamansal derece merkeziyetini kullanın. Olay sıralamasının yayılma veya etki için önemli olduğu her durumda statik derece merkeziyetine tercih edilir. Tek bir zaman noktasında kaydedilen kesitsel ağ verilerinde veya verilerinizin zamansal çözünürlüğü anlamlı olay dizilerini ayırt edemeyecek kadar kaba olduğunda kullanmayın.
Güçlü yönler & sınırlılıklar
- Tek bir donmuş anlık görüntü yerine sürekli etkinliği yakalar, düğüm önemi hakkında daha dinamik bir resim verir.
- Patlama ve periyodikliğe duyarlıdır: birçok dönem boyunca aktif olan düğümler, tek bir büyük patlamada aktif olanlardan ayırt edilir.
- Hesaplama açısından basittir: yol numaralandırması gerektirmeden basit derece sayımını zamansal bir boyuta genişletir.
- Standart ağ metrikleriyle uyumludur: zamansal dereceler, iyi karışık ağlarda statik derece ile öngörülebilir şekilde ilişkilidir, bu da kıyaslamaya olanak tanır.
- Ağırlıklı zamansal ağlara, ikili kenar sayımları yerine temas sürelerini veya etkileşim yoğunluklarını toplayarak uygulanabilir.
- Zaman damgalı kenar verileri gerektirir; yalnızca statik veya toplu bir komşuluk matrisi mevcut olduğunda uygulanamaz.
- Yol yapısını ve ulaşılabilirliği göz ardı eder — bir düğüm yüksek zamansal dereceye sahip olabilir ancak temasları zaman içinde örtüşmediği takdirde bilgiyi iletmek için kötü konumlanmış olabilir.
- Sonuçlar, seçilen zaman dilimi çözünürlüğüne büyük ölçüde bağlıdır: çok kaba olursa zamansal yapı kaybolur; çok ince olursa çoğu dilim boş olur.
- Yönlü ağlarda ek girdi/çıktı derecesi ayrıştırması olmadan etki yönünü hesaba katmaz.
SSS
Zamansal derece merkeziyeti statik derece merkeziyetinden nasıl farklıdır?
Statik derece merkeziyeti, tüm kenarları tek bir anlık görüntüye indirger ve her benzersiz komşuyu bir kez sayar. Zamansal derece merkeziyeti, zaman damgalarını korur ve tüm zaman adımları boyunca anlık dereceyi toplar veya ortalar, böylece aynı komşuyla tekrarlanan temaslar, gerçek etkileşim hacmini yansıtarak her oluştuğunda sayılır.
Hangi zaman dilimi çözünürlüğünü seçmeliyim?
Evrensel bir kural yoktur: çözünürlük, ilgilendiğiniz sürecin doğal zaman ölçeğine uymalıdır. Yüz yüze temas ağları için dakikalar veya saatler tipiktir; atıf veya işbirliği ağları için yıllar uygun olabilir. Her zaman birkaç çözünürlükte merkeziyeti hesaplayarak ve sıralamaların önemli ölçüde değişip değişmediğini kontrol ederek bir hassasiyet analizi yapın.
Zamansal derece merkeziyeti yönlü ağlarda kullanılabilir mi?
Evet. Yönlü zamansal ağlarda, her zaman adımında girdi derecesine (alınan temaslar) ve çıktı derecesine (başlatılan temaslar) ayrıştırılır, ardından ayrı ayrı toplanır. Bu, bir düğümün öncelikli olarak bir yayıncı mı, bir alıcı mı yoksa her ikisi mi olduğunu ortaya çıkarır.
Yüksek zamansal derece etkili yayıcıları belirlemek için yeterli midir?
Zorunlu değil. Bir düğüm birçok temas biriktirebilir ancak salgın zirvesinden sonra tek bir patlamada yoğunlaşmışsa veya komşularının birbirleriyle zamansal olarak ulaşılabilir olmaması durumunda hala kötü bir yayıcı olabilir. Daha eksiksiz bir resim için zamansal dereceyi zamansal ulaşılabilirlik veya zamana saygılı aracılık ile eşleştirin.
Zamansal derece merkeziyetini hangi yazılım hesaplayabilir?
Python kütüphaneleri NetworkX (zamansal grafik uzantılarıyla), Pathpy ve Teneto, zamansal derece dahil zamansal ağ analizini destekler. R'da tsna paketi, statnet paketiyle uyumlu zamansal SNA metrikleri sağlar.
Kaynaklar
- Holme, P. & Saramaki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI: 10.1016/j.physrep.2012.03.001 ↗
- Kim, H. & Anderson, R. (2012). Temporal node centrality in complex networks. Physical Review E, 85(2), 026107. DOI: 10.1103/PhysRevE.85.026107 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Temporal Degree Centrality in Time-Varying Networks. ScholarGate. https://scholargate.app/tr/network-analysis/temporal-degree-centrality
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Derece Merkezi̇li̇ği̇Ağ analizi↔ karşılaştır
- Zamanla Aradalık Merkeziyeti (Temporal Betweenness Centrality)Ağ analizi↔ karşılaştır
- Zamansal Yakınlık MerkeziyetiAğ analizi↔ karşılaştır
- Zamansal Özvektör MerkeziliğiAğ analizi↔ karşılaştır
- Zamansal PageRankAğ analizi↔ karşılaştır
- Zamansal Sosyal Ağ AnaliziAğ analizi↔ karşılaştır