Machine learningNetwork science

Centralité de vecteur propre

La centralité de vecteur propre, introduite par Bonacich en 1972, mesure l'influence d'un nœud en considérant non seulement le nombre de ses voisins, mais aussi l'influence de ces voisins. Un nœud obtient un score élevé s'il est connecté à d'autres nœuds à score élevé, ce qui en fait une mesure récursive et globalement consciente de l'importance structurelle dans un réseau.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

+9 more

Sources

  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

Comment citer cette page

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

Référencée par

ScholarGateEigenvector Centrality (Eigenvector Centrality (Bonacich Power Centrality)). Consulté le 2026-06-15 sur https://scholargate.app/fr/network-analysis/eigenvector-centrality · Jeu de données : https://doi.org/10.5281/zenodo.20539026