เปรียบเทียบวิธี

	PageRank แบบเบย์เซียน	Eigenvector Centrality
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1999 (PageRank); 2000s (Bayesian extension)	1972
ผู้ริเริ่ม	Page, L. & Brin, S. (PageRank); Bayesian extension by multiple authors	Bonacich, P.
ประเภท	Probabilistic centrality measure	Centrality measure
แหล่งต้นตำรับ	Page, L., Brin, S., Motwani, R., & Winograd, T. (1999). The PageRank citation ranking: Bringing order to the web. Stanford InfoLab Technical Report.	Bonacich, P. (1972). Factoring and weighting approaches to status scores and clique identification. Journal of Mathematical Sociology, 2(1), 113–120.
ชื่อเรียกอื่น	Bayesian PR, probabilistic PageRank, uncertainty-aware PageRank, stochastic PageRank	eigenvector centrality, EC, Bonacich centrality, power centrality
ที่เกี่ยวข้อง	6	6
สรุป	Bayesian PageRank extends the classic PageRank algorithm by embedding it within a Bayesian probabilistic framework. Instead of returning a single deterministic rank score for each node, it quantifies uncertainty over rank estimates — particularly valuable when the network is incomplete, noisy, or observed with error. It is used in web analysis, citation networks, and social network research where rank uncertainty matters.	Eigenvector centrality, introduced by Bonacich in 1972, measures a node's influence by considering not just how many neighbors it has, but how influential those neighbors are. A node scores highly if it is connected to other high-scoring nodes, making it a recursive, globally-aware measure of structural importance in a network.