Machine learningNetwork science

Težinska svojstvena centralnost

Težinska svojstvena centralnost proširuje klasičnu mjeru svojstvene centralnosti na grafove gdje bridovi nose numeričke težine, bodujući svaki čvor proporcionalno zbroju rezultata njegovih susjeda pomnoženih težinama bridova koji ih povezuju. Čvorovi postižu visoke rezultate ne samo zbog mnogih veza, već i zbog snažnih veza s drugim utjecajnim čvorovima, čime mjera istovremeno reagira na snagu veze i poziciju u mreži.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte cijelu metodu

Samo za članove

Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.

Prijavite se

Method map

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

Izvori

  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

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks). ScholarGate. https://scholargate.app/hr/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

Citirana u

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). Preuzeto 2026-06-15 s https://scholargate.app/hr/network-analysis/weighted-eigenvector-centrality · Skup podataka: https://doi.org/10.5281/zenodo.20539026