เปรียบเทียบวิธี

	Multilayer PageRank	ความเป็นศูนย์กลางระหว่างชั้นหลายชั้น
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2015	2013–2014
ผู้ริเริ่ม	De Domenico, M.; Sole-Ribalta, A.; Arenas, A. et al.	De Domenico, M.; Kivelä, M.; Arenas, A. et al.
ประเภท	Centrality measure (random-walk-based)	Centrality measure (multilayer extension)
แหล่งต้นตำรับ	De Domenico, M., Sole-Ribalta, A., Omodei, E., Gomez, S., & Arenas, A. (2015). Ranking in interconnected multilayer networks reveals versatile nodes. Nature Communications, 6, 6868.	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	multiplex PageRank, layer-coupled PageRank, multilayer random walk centrality, MuxRank	MBC, multilayer geodesic betweenness, tensorial betweenness centrality, interlayer betweenness centrality
ที่เกี่ยวข้อง	5	5
สรุป	Multilayer PageRank extends the classic PageRank random-walk centrality to networks that contain multiple interconnected layers — such as a social network where people are connected simultaneously via friendship, professional ties, and online platforms. By allowing a virtual walker to jump both within and across layers, the algorithm identifies nodes that are influential across the entire multilayer structure, not just within any single layer.	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.