Keskisyysanalyysi — Aste, Välillisyys, Ominaisvektori
Keskisyysanalyysi on joukko verkkotunnisteita, jotka Freeman (1979) formalisoi ja jotka kvantifioivat yksittäisten solmujen rakenteellista merkitystä graafissa. Jokainen keskisyysindeksi vangitsee erilaisen vaikutusmekanismin: aste-keskisyys heijastaa suoraa yhteyttä, välillisyys-keskisyys tunnistaa solmut, jotka välittävät tiedonkulkua, läheisyys-keskisyys vangitsee läheisyyden kaikkiin muihin, ja ominaisvektori-keskisyys (yhdessä PageRankin kanssa) palkitsee yhteyden korkeasti yhteydessä oleviin naapureihin.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Lähteet
- Freeman, L.C. (1979). Centrality in Social Networks: Conceptual Clarification. Social Networks, 1(3), 215-239. DOI: 10.1016/0378-8733(78)90021-7 ↗
- Borgatti, S.P. (2005). Centrality and Network Flow. Social Networks, 27(1), 55-71. DOI: 10.1016/j.socnet.2004.11.008 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Network Centrality Analysis (Degree, Betweenness, Eigenvector). ScholarGate. https://scholargate.app/fi/network-analysis/centrality-analysis
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.
- Yhteisöjen tunnistusVerkostoanalyysi↔ compare
- Eksponentiaalinen satunnaisgraafimalli (ERGM / p*)Verkostoanalyysi↔ compare
- Link PredictionVerkostoanalyysi↔ compare
- Verkoston diffuusiomallitVerkostoanalyysi↔ compare
- Stochastic Block ModelVerkostoanalyysi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →