维基百科：在图论和网络分析中，中心性指标为图中相应网络位置的节点分配排名或数值。中心性这一概念最初起源于社交网络分析，因此很多衡量中心性的术语也反映了其社会学背景。
不同中心性指标对 “重要” 的衡量方式不同，因此适用于不同的情形。
一、特征向量中心性（eigenvector centrality）
特征向量这一概念最早应该是在 线性代数 这门课程中接触到的，而取名中的特征向量也与它最初的概念相关，我们先回顾下什么是 “特征值” 和 “特征向量”。
1.1 线性代数中的特征向量
定义：设 A 是 n 阶方阵，若存在向量使得
，则称 x 为 A 的特征向量，
为 A 的特征值（严格定义请参考权威文献）。
由定义可见，特征向量的本质是它与原矩阵相乘后，得到的矩阵与特征向量方向相同，仅存在缩放关系（即 倍的缩放），该缩放比例称为特征值。进一步延伸，原矩阵无论乘上多少特征向量，其方向都是确定的。回顾一道求特征值和特征向量的简单例题，可以更好回忆相关概念，求
的特征向量和特征值。
解得两个特征值 2 或 4，则应有
解得 ，因此可取特征值 2 的特征向量为
.
1.2 图论中的特征向量中心性
定义：
二、katz 中心性（katz centrality）
针对特征向量中心性无法用于有向图的不足，提出了 katz 中心性。
三、PageRank 中心性（PageRank centrality）
PageRank 应该是这三者中最出名的，主要用于谷歌的网页排序。
