Centraaliteitsanalyse — Graad, Tussenheid, Eigenvector
Centraaliteitsanalyse is een familie van netwerkanalytische maten, geformaliseerd door Freeman (1979), die de structurele belangrijkheid van individuele knopen binnen een graaf kwantificeert. Elke centraaliteitsindex vangt een onderscheidend mechanisme van invloed: graadcentraaliteit weerspiegelt directe connectiviteit, tussenheidscentraaliteit identificeert knopen die de informatiestroom bemiddelen, nabijheidscentraaliteit vangt de nabijheid tot alle anderen, en eigenvectorcentraaliteit (samen met PageRank) beloont verbinding met sterk verbonden buren.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+5 more
Bronnen
- Freeman, L.C. (1979). Centrality in Social Networks: Conceptual Clarification. Social Networks, 1(3), 215-239. DOI: 10.1016/0378-8733(78)90021-7 ↗
- Borgatti, S.P. (2005). Centrality and Network Flow. Social Networks, 27(1), 55-71. DOI: 10.1016/j.socnet.2004.11.008 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Network Centrality Analysis (Degree, Betweenness, Eigenvector). ScholarGate. https://scholargate.app/nl/network-analysis/centrality-analysis
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.
- Community DetectionNetwerkanalyse↔ compare
- Exponentieel-graafmodel (ERGM / p*)Netwerkanalyse↔ compare
- LinkpredictieNetwerkanalyse↔ compare
- NetwerkdiffusiemodellenNetwerkanalyse↔ compare
- Stochastic Block ModelNetwerkanalyse↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →