PageRank Temporal
PageRank Temporal estén el clàssic algorisme PageRank a xarxes que evolucionen en el temps incorporant la recència i l'ordre de les interaccions. Les arestes es ponderen mitjançant una funció de decaïment de manera que els contactes recents contribueixen més a la puntuació d'un node que els antics. El resultat és un rànquing dinàmic d'importància que captura qui és influent ara mateix, en lloc de durant tota la història de la xarxa.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Rozenshtein, P. & Gionis, A. (2016). Temporal PageRank. In Proceedings of the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD), Part II, LNCS 9852, pp. 674–689. Springer. DOI: 10.1007/978-3-319-46227-1_42 ↗
- Lerman, K. & Ghosh, R. (2010). Information Contagion: An Empirical Study of the Spread of News on Digg and Twitter Social Networks. In Proceedings of the Fourth International AAAI Conference on Weblogs and Social Media (ICWSM), pp. 90–97. AAAI Press. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/ca/network-analysis/temporal-pagerank
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- PageRank DirigitAnàlisi de xarxes↔ compare
- Anàlisi de la difusió en xarxesAnàlisi de xarxes↔ compare
- Centralitat de Betweenness TemporalAnàlisi de xarxes↔ compare
- Detecció de Comunitats TemporalsAnàlisi de xarxes↔ compare
- Centralitat d'autovector temporalAnàlisi de xarxes↔ compare
- Anàlisi Temporal de Xarxes SocialsAnàlisi de xarxes↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →