Machine learningNetwork science

动态紧密中心性

动态紧密中心性（Dynamic closeness centrality）通过计算最短的时间尊重路径（即按时间顺序遍历边的路径），并对所有时间窗口内的逆距离进行平均，将经典紧密中心性扩展到时间网络。它揭示了在不断演变的网络中哪些节点能够最有效地被触达，追踪了随着连接随时间出现和消失，节点中心性如何起伏变化。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

动态紧密中心性

中间性中心度接近中心性动态度中心性时态社群检测时间社交网络分析

来源

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 ↗
Holme, P. & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125. DOI: 10.1016/j.physrep.2012.03.001 ↗

如何引用本页

ScholarGate. (2026, June 3). Dynamic Closeness Centrality in Temporal Networks. ScholarGate. https://scholargate.app/zh/network-analysis/dynamic-closeness-centrality

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →