Pusat Eigenvector Berbobot
Pusat eigenvector berbobot memperluas ukuran pusat eigenvector klasik kepada graf di mana tepi membawa bobot numerik, menilai setiap nod secara berkadar dengan jumlah skor jiran-jirannya didarab dengan bobot tepi yang menghubungkan. Nod mendapat skor tinggi bukan sahaja kerana mempunyai banyak sambungan tetapi kerana ia dihubungkan dengan kukuh kepada nod berpengaruh lain, menjadikan ukuran ini sensitif kepada kekuatan ikatan dan kedudukan rangkaian secara serentak.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182. DOI: 10.1086/228631 ↗
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks). ScholarGate. https://scholargate.app/ms/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.
- Pusat DarjahAnalisis Rangkaian↔ compare
- Pusat Teras EigenvectorAnalisis Rangkaian↔ compare
- Sentraliti Kebersihan BerbobotAnalisis Rangkaian↔ compare
- Pusat Kedekatan BerbobotAnalisis Rangkaian↔ compare
- Pusat Darjah BerwajaranAnalisis Rangkaian↔ compare
- Weighted PageRankAnalisis Rangkaian↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →