ScholarGate
Assistent
Machine learningNetwork science

Gerichte Eigenvectorcentraliteit

Gerichte eigenvectorcentraliteit breidt de klassieke eigenvectorcentraliteit uit naar gerichte grafen door elke knoop te scoren op basis van de centraliteit van de knopen die ernaar wijzen (in-richting) of waarnaar deze wijst (uit-richting). Een knoop behaalt een hoge score, niet alleen door veel verbindingen te hebben, maar door verbonden te zijn met andere zeer centrale knopen, wat asymmetrische invloed vastlegt in citatienetwerken, sociale hiërarchieën en informatiestromen.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  1. Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182. DOI: 10.1086/228631
  2. Eigenvector centrality. Wikipedia. link

Deze pagina citeren

ScholarGate. (2026, June 3). Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs). ScholarGate. https://scholargate.app/nl/network-analysis/directed-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

Geciteerd door

ScholarGateDirected Eigenvector Centrality (Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/network-analysis/directed-eigenvector-centrality · Gegevensset: https://doi.org/10.5281/zenodo.20539026