更改

同样地，计数可以记录行走的数量或长度。量是给定类型的总步数。上一段的三个例子就属于这一类。长度则给出从给定顶点到图中其余顶点的距离。Freeman的'''<font color="#ff8000"> 接近中心性Closeness centrality</font>'''，即从一个给定顶点到所有其他顶点的总测地线距离，是最著名的例子。<ref name=Borgatti2006/>请注意，这种分类独立于步行计数的类型（即：步行，小道，路径，测地线）。

同样地，计数可以记录行走的数量或长度。量是给定类型的总步数。上一段的三个例子就属于这一类。长度则给出从给定顶点到图中其余顶点的距离。Freeman的'''接近中心性 Closeness centrality'''，即从一个给定顶点到所有其他顶点的总测地线距离，是最著名的例子。<ref name=Borgatti2006/>请注意，这种分类独立于步行计数的类型（即：步行，小道，路径，测地线）。

同样，权限分配的解决方案<ref>{{cite journal |last=Hu |first=Xingwei |first2=Lloyd |last2=Shapley |title=On Authority Distributions in Organizations |journal=Games and Economic Behavior |volume=45 |pages=132–170 |year=2003 | doi = 10.1016/s0899-8256(03)00130-1 }}</ref></font>'''采用 Shapley-Shubik 幂指数，而不是 Shapley 值来衡量参与者之间的双边直接影响。这种分布确实是一种产生特征向量中心性的类型。它用于对 Hu (2020)中的大数据对象进行排序<ref>{{cite journal|last=Hu|first=Xingwei|year=2020|volume=7|title=Sorting big data by revealed preference with application to college ranking |journal=Journal of Big Data|doi=10.1186/s40537-020-00300-1|doi-access=free}}</ref>，比如美国大学排名。

同样，权限分配的解决方案<ref>{{cite journal |last=Hu |first=Xingwei |first2=Lloyd |last2=Shapley |title=On Authority Distributions in Organizations |journal=Games and Economic Behavior |volume=45 |pages=132–170 |year=2003 | doi = 10.1016/s0899-8256(03)00130-1 }}</ref>采用 Shapley-Shubik 幂指数，而不是 Shapley 值来衡量参与者之间的双边直接影响。这种分布确实是一种产生特征向量中心性的类型。它用于对 Hu (2020)中的大数据对象进行排序<ref>{{cite journal|last=Hu|first=Xingwei|year=2020|volume=7|title=Sorting big data by revealed preference with application to college ranking |journal=Journal of Big Data|doi=10.1186/s40537-020-00300-1|doi-access=free}}</ref>，比如美国大学排名。