เปรียบเทียบวิธี

	แบบจำลองกราฟสุ่มเอ็กซ์โพเนนเชียลถ่วงน้ำหนัก	การวัดความเป็นศูนย์กลางแบบถ่วงน้ำหนัก (Weighted Degree Centrality)
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2012	2004
ผู้ริเริ่ม	Krivitsky, P. N.	Barrat, A.; Barthélemy, M.; Pastor-Satorras, R.; Vespignani, A.
ประเภท	Statistical network model	Centrality measure for weighted networks
แหล่งต้นตำรับ	Krivitsky, P. N. (2012). Exponential-family random graph models for valued networks. Electronic Journal of Statistics, 6, 1100–1128.	Barrat, A., Barthélemy, M., Pastor-Satorras, R., & Vespignani, A. (2004). The architecture of complex weighted networks. Proceedings of the National Academy of Sciences, 101(11), 3747–3752.
ชื่อเรียกอื่น	W-ERGM, valued ERGM, weighted p-star model, valued exponential random graph model	node strength, strength centrality, weighted node degree, WDC
ที่เกี่ยวข้อง	4	6
สรุป	The Weighted Exponential Random Graph Model (W-ERGM) extends the classic binary ERGM framework to networks whose edges carry quantitative values — such as frequency of contact, trade volume, or collaboration intensity. It models the entire valued-edge network as a probability distribution defined over all possible weighted graphs, enabling researchers to test whether structural patterns such as reciprocity, transitivity, or degree distribution arise beyond what chance alone would produce.	Weighted degree centrality — also called node strength — extends the classic degree centrality measure to networks whose edges carry numeric weights. Instead of simply counting a node's connections, it sums the weights of all edges incident to that node, capturing both the volume and the intensity of a node's ties in a single, interpretable score.