eigenvector methods

Eigenvector方法是一种用于测量图中节点重要性的方法。它基于图的邻接矩阵的特征向量。根据引用中提到的信息，特征向量的最大特征值总是正的并且唯一，因此最大特征值对应的特征向量可以用于计算特征向量中心性（Betweenness centrality）。特征向量中心性是指节点在图中连接其他节点的能力。

除了特征向量方法之外，还有其他传统的机器学习方法用于图上的节点重要性评估。其中一个方法是Graphlet Degree Vector（GDV），根据引用中的描述，GDV是一个以给定节点为根的图结构计数向量。通过计算节点周围的图结构模式，可以得到一个用于度量节点重要性的特征向量。

综上所述，eigenvector方法是一种传统的机器学习方法，用于测量图中节点的重要性。特征向量中心性和Graphlet Degree Vector是基于特征向量的两种方法，用于评估节点的重要性。