Eigenvector centrality is one of the outstanding measures of central tendency in graph theory. In this paper we consider the problem of calculating eigenvector centrality of graph partitioned into components and how this partitioning can be used. Two cases are considered; first where the a single component in the graph has the dominant eigenvalue, secondly when there are at least two components that share the dominant eigenvalue for the graph. In the first case we implement and compare the method to the usual approach (power method) for calculating eigenvector centrality while in the second case with shared dominant eigenvalues we show some theoretical and numerical results. Keywords: Eigenvector centrality, power iteration, graph, strongly connected component.


翻译:Eigenvector Central 是图形理论中中心趋势的杰出衡量标准之一。 在本文中, 我们考虑了计算图解分割成元件以及如何使用这种分区的问题。 考虑了两个案例: 首先, 图形中的单个元件具有支配的源值, 第二, 至少有两个元件分享图中的主要源值。 在第一个案例中, 我们实施该方法, 并将该方法与通常计算源代码中心的方法( 权力方法) 进行比较, 在第二个案例中, 我们用共享的主要源值来显示一些理论和数字结果 。 关键词 : Eigenvictor Centrity、 动力迭代、 图形、 紧密关联的元件 。

0
下载
关闭预览

相关内容

专知会员服务
76+阅读 · 2021年3月16日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
107+阅读 · 2020年5月3日
【阿里巴巴-CVPR2020】频域学习,Learning in the Frequency Domain
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Arxiv
8+阅读 · 2021年2月19日
Directional Graph Networks
Arxiv
27+阅读 · 2020年12月10日
SIGN: Scalable Inception Graph Neural Networks
Arxiv
5+阅读 · 2020年7月15日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
Top
微信扫码咨询专知VIP会员