ScholarGate
Avustaja
Machine learningNetwork science

Lähisyyskeskeisyys

Lähisyyskeskeisyys mittaa, kuinka nopeasti solmu voi tavoittaa kaikki muut verkon solmut laskemalla sen keskimääräisen lyhimmän polun etäisyyden jokaiseen muuhun solmuun käänteisarvon. Bavelas (1950) kuvasi sen ensi kerran ja Freeman (1979) yhdisti sen muodollisesti. Se tunnistaa solmut, jotka voivat levittää tietoa tai resursseja tehokkaasti koko graafin halki – eivätkä pelkästään solmut, joilla on monta suoraa kontaktia.

Avaa sovelluksessa MethodMindTulossaVideoTulossaLataa diat

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Menetelmäkartta

Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.

+2 lisää

Lähteet

  1. Freeman, L. C. (1979). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239. DOI: 10.1016/0378-8733(78)90021-7
  2. Bavelas, A. (1950). Communication patterns in task-oriented groups. Journal of the Acoustical Society of America, 22(6), 725–730. DOI: 10.1121/1.1906679

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Closeness Centrality (Bavelas-Freeman Shortest-Path Measure). ScholarGate. https://scholargate.app/fi/network-analysis/closeness-centrality

Mikä menetelmä?

Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.

Vertaa rinnakkain

Tähän viittaavat

ScholarGateCloseness Centrality (Closeness Centrality (Bavelas-Freeman Shortest-Path Measure)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/network-analysis/closeness-centrality · Aineisto: https://doi.org/10.5281/zenodo.20539026