Machine learningNetwork science

Κεντρικότητα Ιδιοδιανύσματος

Η κεντρικότητα ιδιοδιανύσματος, που εισήχθη από τον Bonacich το 1972, μετρά την επιρροή ενός κόμβου λαμβάνοντας υπόψη όχι μόνο πόσους γείτονες έχει, αλλά και πόσο επιδραστικοί είναι αυτοί οι γείτονες. Ένας κόμβος λαμβάνει υψηλή βαθμολογία εάν συνδέεται με άλλους κόμβους υψηλής βαθμολογίας, καθιστώντας την ένα αναδρομικό, παγκοσμίως συνειδητοποιημένο μέτρο δομικής σημασίας σε ένα δίκτυο.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

+9 more

Πηγές

  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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Eigenvector Centrality (Bonacich Power Centrality). ScholarGate. https://scholargate.app/el/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

Αναφέρεται από

ScholarGateEigenvector Centrality (Eigenvector Centrality (Bonacich Power Centrality)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/network-analysis/eigenvector-centrality · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026