Machine learningNetwork science

Динамічна центральність за близькістю

Динамічна центральність за близькістю розширює класичну центральність за близькістю на часові мережі, обчислюючи найкоротші шляхи, що враховують час — шляхи, які проходять ребра в хронологічному порядку — та усереднюючи обернені відстані по всіх часових вікнах. Вона виявляє, до яких вузлів найефективніше дістатися в межах мережі, що розвивається, відстежуючи, як центральність вузла зростає і падає зі зникненням та появою зв'язків з часом.

Відкрити у MethodMindНезабаромВідеоНезабаромDownload slides

Читати метод повністю

Лише для учасників

Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.

Увійти

Method map

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

Джерела

  1. Tang, J., Musolesi, M., Mascolo, C., Latora, V. & Nicosia, V. (2010). Analysing information flows and key mediators through temporal centrality metrics. Proceedings of the 3rd Workshop on Social Network Systems (SNS '10). ACM. DOI: 10.1145/1852658.1852661
  2. Holme, P. & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI: 10.1016/j.physrep.2012.03.001

Як цитувати цю сторінку

ScholarGate. (2026, June 3). Dynamic Closeness Centrality in Temporal Networks. ScholarGate. https://scholargate.app/uk/network-analysis/dynamic-closeness-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 Closeness Centrality (Dynamic Closeness Centrality in Temporal Networks). Отримано 2026-06-15 з https://scholargate.app/uk/network-analysis/dynamic-closeness-centrality · Набір даних: https://doi.org/10.5281/zenodo.20539026