ScholarGate
Avustaja
Machine learningNetwork science

Eigenvector-keskeisyys

Eigenvector-keskeisyys, jonka Bonacich esitteli vuonna 1972, mittaa solmun vaikutusvaltaa ottaen huomioon paitsi sen naapurien määrän, myös sen, kuinka vaikutusvaltaisia nämä naapurit ovat. Solmu saa korkean pistemäärän, jos se on yhteydessä muihin korkeapisteisiin solmuihin, mikä tekee siitä rekursiivisen, globaalisti tietoista mittarin rakenteelliselle tärkeydelle verkostossa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

+9 more

Lähteet

  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

Näin viittaat tähän sivuun

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

Tähän viittaavat

ScholarGateEigenvector Centrality (Eigenvector Centrality (Bonacich Power Centrality)). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/network-analysis/eigenvector-centrality · Aineisto: https://doi.org/10.5281/zenodo.20539026