ScholarGate
Assistent
Machine learningNetwork science

Vægtet egenvektorcentralitet

Vægtet egenvektorcentralitet udvider det klassiske mål for egenvektorcentralitet til grafer, hvor kanter bærer numeriske vægte, idet hver knude scores proportionalt med summen af dens naboers scores multipliceret med de forbundne kantvægte. Knuder scorer højt, ikke kun ved at have mange forbindelser, men ved at være stærkt forbundet til andre indflydelsesrige knuder, hvilket gør målet følsomt over for både båndstyrke og netværksposition samtidigt.

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.

Kilder

  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

Sådan citerer du denne side

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

Refereret af

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). Hentet 2026-06-15 fra https://scholargate.app/da/network-analysis/weighted-eigenvector-centrality · Datasæt: https://doi.org/10.5281/zenodo.20539026