Machine learningNetwork science
动态特征向量中心性
动态特征向量中心性将经典的特征向量中心性度量扩展到随时间变化的网络的场景。它不是计算静态邻接矩阵上的单个主导特征向量，而是跟踪节点的影响力——由其邻居的重要性定义——在快照或时间窗口中的演变。该方法应用于社交网络分析、流行病学和信息传播研究，这些领域中的网络拓扑结构会持续变化。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
如何引用本页
ScholarGate. (2026, June 3). Dynamic Eigenvector Centrality in Temporal Networks. ScholarGate. https://scholargate.app/zh/network-analysis/dynamic-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 →