ScholarGate
Асистент
Machine learningNetwork science

Часова центральність за власним вектором

Часова центральність за власним вектором розширює класичну центральність за власним вектором на мережі, що змінюються в часі. Враховуючи порядок і час з'єднань, вона визначає вузли, які є впливовими не лише через велику кількість одночасних з'єднань, але й тому, що вони знаходяться на перехресті послідовно важливих шляхів через множинні часові зрізи мережі.

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. 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

Як цитувати цю сторінку

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

Згадується в

ScholarGateTemporal Eigenvector Centrality (Temporal Eigenvector Centrality (Dynamic Eigenvector-Based Node Importance in Time-Varying Networks)). Отримано 2026-06-15 з https://scholargate.app/uk/network-analysis/temporal-eigenvector-centrality · Набір даних: https://doi.org/10.5281/zenodo.20539026