Machine learningNetwork science

Centralność wektorowa skierowana

Centralność wektorowa skierowana rozszerza klasyczną centralność wektorową na grafy skierowane, przypisując każdemu wierzchołkowi ocenę zależną od centralności wierzchołków, które do niego wskazują (kierunek przychodzący) lub od których on sam otrzymuje połączenia (kierunek wychodzący). Wierzchołek uzyskuje wysoką ocenę nie tylko dzięki posiadaniu wielu połączeń, ale przede wszystkim dzięki połączeniu z innymi wysoce centralnymi wierzchołkami, co pozwala uchwycić asymetryczny wpływ w sieciach cytowań, hierarchiach społecznych i przepływach informacji.

Otwórz w MethodMindWkrótceWideoWkrótceDownload slides

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Method map

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

Źródła

  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

Jak cytować tę stronę

ScholarGate. (2026, June 3). Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs). ScholarGate. https://scholargate.app/pl/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

Cytowana przez

ScholarGateDirected Eigenvector Centrality (Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs)). Pobrano 2026-06-15 z https://scholargate.app/pl/network-analysis/directed-eigenvector-centrality · Zbiór danych: https://doi.org/10.5281/zenodo.20539026