Machine learningNetwork science

加权紧密度中心性

加权紧密度中心性通过将边权重纳入最短路径距离，将经典的紧密度度量扩展到边带有数值权重（如频率、强度或成本）的网络。能够通过强或高效连接快速到达其他节点的节点获得更高的分数，使其成为比二元对应物更丰富的传播信息潜力的指标。

在 MethodMind 中打开即将推出Apply, compare, get guidance

Tools & resources

下载幻灯片

Learn & explore

视频即将推出

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

加权紧密度中心性

接近中心性特征向量中心性加权介数中心性加权度中心性加权特征向量中心性加权社会网络分析

来源

Opsahl, T., Agneessens, F. & Skvoretz, J. (2010). Node centrality in weighted networks: Generalizing degree and shortest paths. Social Networks, 32(3), 245–251. DOI: 10.1016/j.socnet.2010.03.006 ↗
Brandes, U. (2001). A faster algorithm for betweenness centrality. Journal of Mathematical Sociology, 25(2), 163–177. DOI: 10.1080/0022250X.2001.9990249 ↗

如何引用本页

ScholarGate. (2026, June 3). Weighted Closeness Centrality (Opsahl Generalized Closeness). ScholarGate. https://scholargate.app/zh/network-analysis/weighted-closeness-centrality

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

被引用于

加权介数中心性加权特征向量中心性

发现本页有问题？报告或提出修改建议 →