ScholarGate
دستیار
Machine learningNetwork science

مرکزیت نزدیکی وزن‌دار

مرکزیت نزدیکی وزن‌دار، معیار کلاسیک نزدیکی را به شبکه‌هایی که یال‌های آن‌ها دارای وزن‌های عددی هستند — مانند فراوانی، قدرت، یا هزینه — با لحاظ کردن آن وزن‌ها در فواصل کوتاه‌ترین مسیر، تعمیم می‌دهد. گره‌هایی که می‌توانند به سرعت از طریق اتصالات قوی یا کارآمد به دیگران برسند، امتیاز بالاتری کسب می‌کنند و این امر آن را به شاخصی غنی‌تر برای پتانسیل انتشار اطلاعات نسبت به همتای باینری خود تبدیل می‌کند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیدریافت اسلایدها

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. 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
  2. Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 25(2), 163–177. DOI: 10.1080/0022250X.2001.9990249

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Weighted Closeness Centrality (Opsahl Generalized Closeness). ScholarGate. https://scholargate.app/fa/network-analysis/weighted-closeness-centrality

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم

ارجاع‌شده در

ScholarGateWeighted Closeness Centrality (Weighted Closeness Centrality (Opsahl Generalized Closeness)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/weighted-closeness-centrality · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026