ScholarGate
Asszisztens
Machine learningNetwork science

Súlyozott közelségi központiság

A súlyozott közelségi központiság a klasszikus közelségi mértéket terjeszti ki olyan hálózatokra, ahol az élek numerikus súlyokat hordoznak – mint például gyakoriság, erősség vagy költség –, azáltal, hogy ezeket a súlyokat beépíti a legrövidebb útvonal távolságokba. Azok a csomópontok, amelyek gyorsan elérnek másokat erős vagy hatékony kapcsolatokon keresztül, magasabb pontszámot kapnak, így ez gazdagabb mutatója az információterjesztési potenciálnak, mint bináris megfelelője.

Megnyitás itt: MethodMindHamarosanApply, compare, get guidance
Tools & resources
Diák letöltése
Learn & explore
VideóHamarosan

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Módszertérkép

A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.

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 Closeness Centrality (Opsahl Generalized Closeness). ScholarGate. https://scholargate.app/hu/network-analysis/weighted-closeness-centrality

Melyik módszer?

Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.

Összehasonlítás egymás mellett

Hivatkozik rá

ScholarGateWeighted Closeness Centrality (Weighted Closeness Centrality (Opsahl Generalized Closeness)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/network-analysis/weighted-closeness-centrality · Adatkészlet: https://doi.org/10.5281/zenodo.20539026