Machine learningNetwork science

Взвешенная центральность по собственному вектору

Взвешенная центральность по собственному вектору расширяет классическую меру центральности по собственному вектору для графов, где ребра несут числовые веса, оценивая каждый узел пропорционально сумме оценок его соседей, умноженных на веса соединяющих ребер. Узлы получают высокую оценку не только за счет большого числа связей, но и за счет сильных связей с другими влиятельными узлами, что делает меру чувствительной одновременно к силе связи и положению в сети.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

Источники

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

Как цитировать эту страницу

ScholarGate. (2026, June 3). Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks). ScholarGate. https://scholargate.app/ru/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.

Compare side by side

Упоминается в

ScholarGateWeighted Eigenvector Centrality (Weighted Eigenvector Centrality (Spectral Prestige in Weighted Networks)). Получено 2026-06-15 из https://scholargate.app/ru/network-analysis/weighted-eigenvector-centrality · Набор данных: https://doi.org/10.5281/zenodo.20539026