Machine learningNetwork science

Eigenvektor-központiság

Az 1972-ben Bonacich által bevezetett eigenvektor-központiság egy csomópont befolyását méri, figyelembe véve nemcsak azt, hogy hány szomszédja van, hanem azt is, hogy azok a szomszédok mennyire befolyásosak. Egy csomópont magas pontszámot ér el, ha más, magas pontszámú csomópontokhoz kapcsolódik, ami a hálózatban a szerkezeti fontosság rekurzív, globálisan érzékeny mértékévé teszi.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

+9 more

Források

  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

Hogyan hivatkozzon erre az oldalra

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

Hivatkozik rá

ScholarGateEigenvector Centrality (Eigenvector Centrality (Bonacich Power Centrality)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/network-analysis/eigenvector-centrality · Adatkészlet: https://doi.org/10.5281/zenodo.20539026