Machine learningNetwork science

ওয়েটেড আইগেনভেক্টর সেন্ট্রালিটি

ওয়েটেড আইগেনভেক্টর সেন্ট্রালিটি ক্লাসিক আইগেনভেক্টর সেন্ট্রালিটি পরিমাপকে এমন গ্রাফের জন্য প্রসারিত করে যেখানে এজগুলিতে সাংখ্যিক ওজন থাকে, প্রতিটি নোডকে তার প্রতিবেশীদের স্কোরের সমষ্টির সাথে সংযুক্ত এজ ওজন গুণ করে আনুপাতিকভাবে স্কোরিং করে। নোডগুলি কেবল অনেক সংযোগ থাকার জন্য নয়, বরং অন্যান্য প্রভাবশালী নোডগুলির সাথে দৃঢ়ভাবে যুক্ত থাকার জন্যও উচ্চ স্কোর করে, যা পরিমাপটিকে একই সাথে সংযোগের শক্তি এবং নেটওয়ার্ক অবস্থান উভয়ের প্রতি সংবেদনশীল করে তোলে।

MethodMind-এ খুলুনশীঘ্রইভিডিওশীঘ্রইDownload slides

পুরো পদ্ধতিটি পড়ুন

শুধু সদস্যদের জন্য

এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।

সাইন ইন করুন

Method map

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

উৎস

  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

এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন

ScholarGate. (2026, June 3). Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks). ScholarGate. https://scholargate.app/bn/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

যেখানে উদ্ধৃত

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). 2026-06-15 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/network-analysis/weighted-eigenvector-centrality · ডেটাসেট: https://doi.org/10.5281/zenodo.20539026