Machine learningNetwork science

Тежева централност по собствени вектори

Тежевата централност по собствени вектори разширява класическата мярка за централност по собствени вектори към графи, където ребрата носят числени тегла, като оценява всеки възел пропорционално на сумата от резултатите на неговите съседи, умножена по теглата на свързващите ребра. Възлите получават висока оценка не само защото имат много връзки, но и защото са силно свързани с други влиятелни възли, което прави мярката чувствителна едновременно към силата на връзката и към позицията в мрежата.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

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

Източници

  1. Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182. DOI: 10.1086/228631
  2. Opsahl, T., Agneessens, F., & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251. DOI: 10.1016/j.socnet.2010.03.006

Как да цитирате тази страница

ScholarGate. (2026, June 3). Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks). ScholarGate. https://scholargate.app/bg/network-analysis/weighted-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

Цитиран в

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). Извлечено на 2026-06-15 от https://scholargate.app/bg/network-analysis/weighted-eigenvector-centrality · Набор от данни: https://doi.org/10.5281/zenodo.20539026