更改
跳到导航
跳到搜索
第146行：
第146行： + + +
→特征向量中心性
===特征向量中心性===
===特征向量中心性===
在图论中，特征向量中心性 eigenvector centrality是测量节点对网络影响的一种方式。针对连接数相同的节点，相邻节点分数更高的节点会比相邻节点分数更低的节点分数高，依据此原则给所有节点分配对应的分数。特征向量得分较高意味着该节点与许多自身得分较高的节点相连接。<ref>{{Cite journal|title=The mathematics of networks|url=http://www-personal.umich.edu/~mejn/papers/palgrave.pdf|last=M. E. J. Newman|accessdate=2006-11-09|format=PDF}}</ref><ref>{{Cite journal|title=Eigenvector centrality for characterization of protein allosteric pathways|url=https://www.pnas.org/content/115/52/E12201|last=Christian F. A. Negre, Uriel N. Morzan, Heidi P. Hendrickson, Rhitankar Pal, George P. Lisi, J. Patrick Loria, Ivan Rivalta, Junming Ho, Victor S. Batista.|journal=Proceedings of the National Academy of Sciences|doi=10.1073/pnas.1810452115|year=2018|volume=115|pages=E12201--E12208}}
</ref>
谷歌的PageRank和Katz中心性是特征向量中心性的变体。<ref name="ams">{{Cite web|url=http://www.ams.org/samplings/feature-column/fcarc-pagerank|title=How Google Finds Your Needle in the Web's Haystack|author=David Austin|publisher=AMS}}</ref>
==用领接矩阵找特征向量中心性==
==用领接矩阵找特征向量中心性==