เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| ค่ากลางของความใกล้ชิด (Closeness Centrality)× | PageRank Centrality× | |
|---|---|---|
| สาขาวิชา | การวิเคราะห์เครือข่าย | การวิเคราะห์เครือข่าย |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 1950 (formalized 1979) | 1999 |
| ผู้ริเริ่ม≠ | Bavelas, A.; formalized by Freeman, L. C. | Page, Brin, Motwani & Winograd |
| ประเภท≠ | Node-level centrality index | Iterative link-based centrality algorithm |
| แหล่งต้นตำรับ≠ | Freeman, L. C. (1979). Centrality in social networks: Conceptual clarification. Social Networks, 1(3), 215–239. DOI ↗ | Page, L., Brin, S., Motwani, R., & Winograd, T. (1999). The PageRank citation ranking: Bringing order to the web. Stanford InfoLab Technical Report. link ↗ |
| ชื่อเรียกอื่น | closeness, farness-based centrality, geodesic closeness, normalized closeness centrality | Google PageRank, Random Surfer Model, Link-Based Ranking, PageRank Merkeziliği |
| ที่เกี่ยวข้อง≠ | 6 | 2 |
| สรุป≠ | Closeness centrality measures how quickly a node can reach all others in a network by computing the inverse of its average shortest-path distance to every other node. First described by Bavelas (1950) and formally unified by Freeman (1979), it identifies nodes that can spread information or resources efficiently across the entire graph — not merely nodes with many direct contacts. | PageRank is a link-based centrality algorithm that assigns an importance score to each node in a directed graph by measuring how many high-quality nodes point to it. Introduced by Larry Page, Sergey Brin, Rajeev Motwani, and Terry Winograd at Stanford University in 1999, it became the mathematical foundation of the Google search engine and remains one of the most influential algorithms in network science and information retrieval. |
| ScholarGateชุดข้อมูล ↗ |
|
|