Yönlendirilmiş Özvektör Merkeziyeti
Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs) · Ayrıca şöyle bilinir: directed EC, asymmetric eigenvector centrality, right eigenvector centrality, left eigenvector centrality
Yönlendirilmiş özvektör merkeziyeti, klasik özvektör merkeziyetini yönlendirilmiş grafiklere, her bir düğümü kendisine işaret eden (iç-yön) veya kendisinin işaret ettiği (dış-yön) düğümlerin merkeziyetine göre puanlayarak genişletir. Bir düğüm, yalnızca çok sayıda bağlantıya sahip olmakla değil, aynı zamanda diğer merkezi düğümlere bağlı olmakla yüksek bir puan kazanır, bu da atıf ağlarındaki, sosyal hiyerarşilerdeki ve bilgi akışlarındaki asimetrik etkiyi yakalar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bağlantıların doğası gereği asimetrik olduğu — atıflar, takipçi/takip edilen, fon akışları veya besin ağları — ve düğümleri yalnızca gelen veya giden bağlantılarının niceliğine değil, niteliğine göre sıralamak istediğinizde yönlendirilmiş özvektör merkeziyetini kullanın. Özellikle atıf veya web ağlarındaki yetkili kaynakları belirlemek için uygundur. Çok sayıda çıkış düğümü olan veya baskın güçlü bağlantılı bileşeni olmayan ağlarda bundan kaçının, çünkü özvektör grafiğin büyük bölümleri için sıfır olabilir; bu durumlarda PageRank (teleportasyon düzeltmesi ekleyen) daha sağlamdır. Ayrıca küçük ağlarda (yaklaşık 30'dan az düğüm) özdeğer kararsızlığının puanları güvenilmez hale getirmesi nedeniyle bundan kaçının.
Güçlü yönler & sınırlılıklar
- Özyinelemeli, kalite ağırlıklı etkiyi yakalar: iyi bağlantılı düğümlere bağlanmak kendi puanınızı artırır.
- Sağ ve sol özvektörler aracılığıyla prestiji (kimin sizi alıntıladığı) etkiden (kimi alıntıladığınız) ayırır.
- Büyük seyrek yönlendirilmiş grafiklerde bile güç yinelemesi yoluyla hesaplama açısından verimlidir.
- Yaygın olarak anlaşılan özvektör merkeziyeti kavramının yönlendirilmiş ayarlara doğal genellemesi.
- Ağırlıklı komşuluk matrisini doğrudan kullanarak ağırlıklı yönlendirilmiş grafiklere uygulanabilir.
- Çıkış düğümleri ve en büyük güçlü bağlantılı bileşen dışındaki düğümler için tanımsız veya sıfır puanlar.
- Ağ sınır kararlarına duyarlıdır: hangi düğümlerin ve kenarların dahil edildiği puanları güçlü bir şekilde etkiler.
- Yol uzunluğunu veya jeodezik mesafeyi dikkate almaz, yalnızca özyinelemeli komşuluk etkisini dikkate alır.
- Sol ve sağ özvektör yorumları, raporlamada karışıklığı önlemek için açık belgelendirme gerektirir.
SSS
Yönlendirilmiş özvektör merkeziyeti ile PageRank arasındaki fark nedir?
Her ikisi de düğümleri iç-komşularının kalitesine göre sıralar, ancak PageRank, çıkış düğümlerinden tüm grafiğe geri puan yeniden dağıtan bir sönümleme faktörü (teleportasyon olasılığı) ekleyerek herhangi bir yönlendirilmiş grafikte iyi tanımlanmış olmasını sağlar. Yönlendirilmiş özvektör merkeziyeti daha temiz teorik formülasyondur ancak anlamlı olması için baskın bir güçlü bağlantılı bileşen gerektirir.
Sağ mı yoksa sol özvektörü mü kullanmalıyım?
Sağ özvektör, düğümleri kendilerine işaret eden düğümlerin merkeziyetine göre (prestij/otorite) puanlar. Sol özvektör, düğümleri işaret ettikleri düğümlerin merkeziyetine göre (etki/hub) puanlar. Hem iç-yön hem de dış-yön rolleri teorik olarak ilgili olduğunda her ikisini de raporlayın.
Ağımda izole veya çıkış düğümleri var — puanlar geçerli olacak mı?
Çıkış düğümleri (sıfır dış-derece) ve izole bileşenler, konumlarından bağımsız olarak genellikle sıfır veya sıfıra yakın özvektör puanları alır, bu yapısal bir artefakttır. Analizi en büyük güçlü bağlantılı bileşenle sınırlayın veya yorumlamadan önce PageRank'a geçin.
Yönlendirilmiş özvektör merkeziyeti, iç-derece merkeziyetinden nasıl farklıdır?
İç-derece, ham gelen bağlantıları sayar. Yönlendirilmiş özvektör merkeziyeti, her bir gelen bağlantıyı kaynağının puanıyla ağırlıklandırır, bu nedenle yüksek prestijli bir düğümden tek bir onay, düşük prestijli düğümlerden çok sayıda onaydan daha fazla sayılır. Yalnızca sayıyı değil, bağlantıların kalitesinin önemli olduğu durumlarda kullanın.
Yönlendirilmiş özvektör merkeziyeti ağırlıklı ağlar için uygun mudur?
Evet — ikili komşuluk matrisini ağırlıklı komşuluk matrisi ile değiştirin. Puanlar o zaman hem yönlendirilmiş bağlantıların sayısını hem de gücünü yansıtır, bu da özellikle bağ ağırlıklarının anlam taşıdığı ortak yazarlık, ticaret veya iletişim ağlarında kullanışlıdır.
Kaynaklar
- Bonacich, P. (1987). Power and centrality: A family of measures. American Journal of Sociology, 92(5), 1170–1182. DOI: 10.1086/228631 ↗
- Eigenvector centrality. Wikipedia. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Directed Eigenvector Centrality (Asymmetric Influence Scoring on Directed Graphs). ScholarGate. https://scholargate.app/tr/network-analysis/directed-eigenvector-centrality
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Yönlendirilmiş Aradalık MerkeziAğ analizi↔ karşılaştır
- Yönlendirilmiş Yakınlık MerkeziyetiAğ analizi↔ karşılaştır
- Yönlendirilmiş PageRankAğ analizi↔ karşılaştır
- Yönlendirilmiş Sosyal Ağ Analizi (yönlendirilmiş SNA)Ağ analizi↔ karşılaştır
- Özvektör Merkezi̇lli̇ği̇Ağ analizi↔ karşılaştır