Machine learningNetwork science

Súlyozott Közöttiség-központiság

A súlyozott közöttiség-központiság (Weighted Betweenness Centrality) Freeman közöttiség-mértékét terjeszti ki az él-súlyozott gráfokra azáltal, hogy a legrövidebb utakat az élsúlyok hangolható transzformációján keresztül vezeti. Azok a csúcsok, amelyek sok nagy értékű legrövidebb úton fekszenek, magas pontszámot kapnak, azonosítva a brókereket és hidakat a társadalmi, biológiai és információs hálózatokban, ahol a kötések erőssége számít.

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.

+1 more

Források

  1. 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
  2. Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 25(2), 163–177. DOI: 10.1080/0022250X.2001.9990249

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Weighted Betweenness Centrality (Geodesic Path-Count on Edge-Weighted Graphs). ScholarGate. https://scholargate.app/hu/network-analysis/weighted-betweenness-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

ScholarGateWeighted Betweenness Centrality (Weighted Betweenness Centrality (Geodesic Path-Count on Edge-Weighted Graphs)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/network-analysis/weighted-betweenness-centrality · Adatkészlet: https://doi.org/10.5281/zenodo.20539026