Machine learningNetwork science

מרכזיות וקטור עצמי משוקללת

מרכזיות וקטור עצמי משוקללת מרחיבה את מדד מרכזיות הווקטור העצמי הקלאסי לגרפים שבהם לקשתות יש משקלים מספריים, ומדרגת כל צומת באופן פרופורציונלי לסכום ציוני שכניו כפול משקלי הקשתות המחברות. צמתים מקבלים ציון גבוה לא רק בשל קשרים רבים, אלא בשל קשרים חזקים לצמתים משפיעים אחרים, מה שהופך את המדד לרגיש הן לעוצמת הקשר והן למיקום ברשת בו-זמנית.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

מקורות

  1. Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182. DOI: 10.1086/228631
  2. 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

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks). ScholarGate. https://scholargate.app/he/network-analysis/weighted-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

מאוזכר על ידי

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/network-analysis/weighted-eigenvector-centrality · מערך נתונים: https://doi.org/10.5281/zenodo.20539026