পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| সমাজ নেটওয়ার্ক বিশ্লেষণ× | আইগেনভেক্টর সেন্ট্রালিটি× | |
|---|---|---|
| ক্ষেত্র | নেটওয়ার্ক বিশ্লেষণ | নেটওয়ার্ক বিশ্লেষণ |
| পরিবার | Machine learning | Machine learning |
| উদ্ভবের বছর≠ | 1934 (sociometry); 1994 (modern formalization) | 1972 |
| প্রবর্তক≠ | Moreno, J.L.; formalized by Wasserman & Faust | Bonacich, P. |
| ধরন≠ | Structural/relational analysis framework | Centrality measure |
| মৌলিক উৎস≠ | Wasserman, S. & Faust, K. (1994). Social Network Analysis: Methods and Applications. Cambridge University Press. ISBN: 978-0-521-38707-1 | Bonacich, P. (1972). Factoring and weighting approaches to status scores and clique identification. Journal of Mathematical Sociology, 2(1), 113–120. DOI ↗ |
| অপর নাম | SNA, network analysis, sociometric analysis, relational analysis | eigenvector centrality, EC, Bonacich centrality, power centrality |
| সম্পর্কিত≠ | 5 | 6 |
| সারসংক্ষেপ≠ | Social Network Analysis (SNA) is a structural method that maps and measures relationships and flows between people, groups, organizations, or other entities modeled as nodes connected by ties (edges). Rather than focusing on individual attributes, SNA reveals how the pattern of connections shapes behavior, influence, information flow, and outcomes within a system. | Eigenvector centrality, introduced by Bonacich in 1972, measures a node's influence by considering not just how many neighbors it has, but how influential those neighbors are. A node scores highly if it is connected to other high-scoring nodes, making it a recursive, globally-aware measure of structural importance in a network. |
| ScholarGateডেটাসেট ↗ |
|
|