ScholarGate
সহকারী
Machine learningNetwork science

ভারিত নৈকট্য কেন্দ্রীয়তা

ভারিত নৈকট্য কেন্দ্রীয়তা ক্লাসিক নৈকট্য পরিমাপকে এমন নেটওয়ার্কগুলিতে প্রসারিত করে যেখানে প্রান্তগুলি সংখ্যাগত ওজন বহন করে — যেমন ফ্রিকোয়েন্সি, শক্তি, বা খরচ — সেই ওজনগুলিকে সংক্ষিপ্ততম-পথের দূরত্বে অন্তর্ভুক্ত করার মাধ্যমে। যে নোডগুলি শক্তিশালী বা কার্যকর সংযোগের মাধ্যমে দ্রুত অন্যদের কাছে পৌঁছাতে পারে তারা উচ্চতর স্কোর পায়, যা এটিকে এর বাইনারি প্রতিরূপের চেয়ে তথ্য-ছড়ানোর সম্ভাবনার একটি সমৃদ্ধ সূচক করে তোলে।

MethodMind-এ খুলুনশীঘ্রইভিডিওশীঘ্রইস্লাইড ডাউনলোড করুন

পুরো পদ্ধতিটি পড়ুন

শুধু সদস্যদের জন্য

এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।

সাইন ইন করুন

পদ্ধতি-মানচিত্র

সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।

উৎস

  1. 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
  2. Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 25(2), 163–177. DOI: 10.1080/0022250X.2001.9990249

এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন

ScholarGate. (2026, June 3). Weighted Closeness Centrality (Opsahl Generalized Closeness). ScholarGate. https://scholargate.app/bn/network-analysis/weighted-closeness-centrality

কোন পদ্ধতি?

এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।

পাশাপাশি তুলনা করুন

যেখানে উদ্ধৃত

ScholarGateWeighted Closeness Centrality (Weighted Closeness Centrality (Opsahl Generalized Closeness)). 2026-06-15 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/network-analysis/weighted-closeness-centrality · ডেটাসেট: https://doi.org/10.5281/zenodo.20539026