Machine learningNetwork science

Īpašvektoru centralitāte

Īpašvektoru centralitāte, ko 1972. gadā ieviesa Bonacich, mēra mezgla ietekmi, ņemot vērā ne tikai to, cik daudz kaimiņu tam ir, bet arī to, cik ietekmīgi ir šie kaimiņi. Mezgls iegūst augstu vērtējumu, ja tas ir savienots ar citiem augstu vērtējumu ieguvušiem mezgliem, padarot to par rekursīvu, globāli apzinātu strukturālās nozīmes mēru tīklā.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

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

+9 more

Avoti

  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

Kā citēt šo lapu

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

Uz to atsaucas

ScholarGateEigenvector Centrality (Eigenvector Centrality (Bonacich Power Centrality)). Izgūts 2026-06-15 no https://scholargate.app/lv/network-analysis/eigenvector-centrality · Datu kopa: https://doi.org/10.5281/zenodo.20539026