Machine learningNetwork science

Centralitatea eigenvector direcționată

Centralitatea eigenvector direcționată extinde centralitatea eigenvector clasică la grafuri direcționate, prin scorarea fiecărui nod în funcție de centralitatea nodurilor care indică spre el (direcție de intrare) sau spre care indică el (direcție de ieșire). Un nod obține un scor ridicat nu doar prin simpla deținere a multor conexiuni, ci prin conectarea la alte noduri foarte centrale, capturând influența asimetrică în rețele de citații, ierarhii sociale și fluxuri de informații.

Deschide în MethodMindÎn curândVideoÎn curândDownload slides

Citește metoda completă

Doar pentru membri

Autentifică-te cu un cont gratuit pentru a citi această secțiune.

Autentificare

Method map

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

Surse

  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

Cum se citează această pagină

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

Citat de

ScholarGateDirected Eigenvector Centrality (Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs)). Preluat la 2026-06-15 de pe https://scholargate.app/ro/network-analysis/directed-eigenvector-centrality · Set de date: https://doi.org/10.5281/zenodo.20539026