Machine learningNetwork science

Centralitat del vector propi ponderat

La centralitat del vector propi ponderat estén la mesura clàssica de la centralitat del vector propi als grafs on les arestes tenen pesos numèrics, puntuació de cada node proporcionalment a la suma de les puntuacions dels seus veïns multiplicada pels pesos de les arestes de connexió. Els nodes obtenen puntuacions altes no només per tenir moltes connexions, sinó per estar fortament enllaçats a altres nodes influents, fent que la mesura sigui sensible tant a la força del vincle com a la posició a la xarxa simultàniament.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

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

Fonts

  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

Com citar aquesta pàgina

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

Citat per

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). Recuperat el 2026-06-15 de https://scholargate.app/ca/network-analysis/weighted-eigenvector-centrality · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026