ScholarGate
Assistent
Machine learningNetwork science

Gerichtete Eigenvektorzentralität

Die gerichtete Eigenvektorzentralität erweitert die klassische Eigenvektorzentralität auf gerichtete Graphen, indem sie jeden Knoten entsprechend der Zentralität der Knoten bewertet, die auf ihn zeigen (in-Richtung) oder auf die er zeigt (out-Richtung). Ein Knoten erzielt keine hohe Punktzahl lediglich durch viele Verbindungen, sondern dadurch, dass er mit anderen hochgradig zentralen Knoten verbunden ist, wodurch asymmetrische Einflüsse in Zitierungsnetzwerken, sozialen Hierarchien und Informationsflüssen erfasst werden.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

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

Quellen

  1. Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182. DOI: 10.1086/228631
  2. Eigenvector centrality. Wikipedia. link

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs). ScholarGate. https://scholargate.app/de/network-analysis/directed-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

Referenziert von

ScholarGateDirected Eigenvector Centrality (Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs)). Abgerufen am 2026-06-15 von https://scholargate.app/de/network-analysis/directed-eigenvector-centrality · Datensatz: https://doi.org/10.5281/zenodo.20539026