Machine learningNetwork science

Súlyozott sajátvektor-központiság

A súlyozott sajátvektor-központiság a klasszikus sajátvektor-központiság mértékét bővíti ki olyan gráfokra, ahol az élek numerikus súlyokat hordoznak, minden csomópontot a szomszédai pontszámainak a kapcsolódó él súlyokkal vett szorzatösszegével arányosan pontozva. A csomópontok nem csupán a sok kapcsolódásuk, hanem más befolyásos csomópontokhoz való erős kötődésük miatt kapnak magas pontszámot, így a mérték egyszerre érzékeny a kapcsolat erősségére és a hálózati pozícióra.

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.

Források

  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

Hogyan hivatkozzon erre az oldalra

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

Hivatkozik rá

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/network-analysis/weighted-eigenvector-centrality · Adatkészlet: https://doi.org/10.5281/zenodo.20539026