เปรียบเทียบวิธี

	ความเป็นศูนย์กลางการเข้าถึงแบบหลายชั้น	ความเป็นศูนย์กลางระหว่างชั้นหลายชั้น
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2013–2014	2013–2014
ผู้ริเริ่ม	Kivela, M. et al.; De Domenico, M. et al.	De Domenico, M.; Kivelä, M.; Arenas, A. et al.
ประเภท	Centrality measure for multilayer networks	Centrality measure (multilayer extension)
แหล่งต้นตำรับ	Kivela, M., Arenas, A., Barthelemy, M., Gleeson, J. P., Moreno, Y., & Porter, M. A. (2014). Multilayer networks. Journal of Complex Networks, 2(3), 203–271.	De Domenico, M., Solé-Ribalta, A., Cozzo, E., Kivelä, M., Moreno, Y., Porter, M. A., Gómez, S., & Arenas, A. (2013). Mathematical formulation of multilayer networks. Physical Review X, 3(4), 041022.
ชื่อเรียกอื่น	multilayer closeness, multi-layer closeness centrality, MLC, interlayer closeness centrality	MBC, multilayer geodesic betweenness, tensorial betweenness centrality, interlayer betweenness centrality
ที่เกี่ยวข้อง	5	5
สรุป	Multilayer closeness centrality extends the classical closeness centrality measure to networks that contain multiple types of relationships or interaction contexts (layers). Rather than treating each layer in isolation, it computes how quickly a node can reach all others by traversing any combination of available layers, revealing nodes that are structurally efficient connectors across the full network system.	Multilayer betweenness centrality extends the classical betweenness measure to networks with multiple types of relationships — or layers — by computing how often a node lies on shortest paths that can traverse any layer or switch between layers. It identifies brokers and bridges whose influence spans distinct interaction domains simultaneously.