ScholarGate
Assistent
Machine learningNetwork science

Egenvektorcentralitet

Egenvektorcentralitet, introduceret af Bonacich i 1972, måler en nodes indflydelse ved at tage højde for ikke blot, hvor mange naboer den har, men også hvor indflydelsesrige disse naboer er. En node opnår en høj score, hvis den er forbundet til andre noder med høj score, hvilket gør det til et rekursivt, globalt bevidst mål for strukturel betydning i et netværk.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

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

+9 more

Kilder

  1. Bonacich, P. (1972). Factoring and weighting approaches to status scores and clique identification. Journal of Mathematical Sociology, 2(1), 113–120. DOI: 10.1080/0022250X.1972.9989806
  2. Eigenvector centrality. Wikipedia. link

Sådan citerer du denne side

ScholarGate. (2026, June 3). Eigenvector Centrality (Bonacich Power Centrality). ScholarGate. https://scholargate.app/da/network-analysis/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

Refereret af

ScholarGateEigenvector Centrality (Eigenvector Centrality (Bonacich Power Centrality)). Hentet 2026-06-15 fra https://scholargate.app/da/network-analysis/eigenvector-centrality · Datasæt: https://doi.org/10.5281/zenodo.20539026