ScholarGate
Assistente
Machine learningNetwork science

Centralità del Vettore Proprio Pesato

La centralità del vettore proprio pesato estende la misura classica della centralità del vettore proprio ai grafi in cui gli archi portano pesi numerici, assegnando a ciascun nodo un punteggio proporzionale alla somma dei punteggi dei suoi vicini moltiplicata per i pesi degli archi di collegamento. I nodi ottengono un punteggio elevato non solo per avere molte connessioni, ma per essere fortemente collegati ad altri nodi influenti, rendendo la misura sensibile sia alla forza del legame che alla posizione nella rete simultaneamente.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  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

Come citare questa pagina

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

Citato da

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). Consultato il 2026-06-15 da https://scholargate.app/it/network-analysis/weighted-eigenvector-centrality · Insieme di dati: https://doi.org/10.5281/zenodo.20539026