ScholarGate
Assistent
Machine learningNetwork science

Dynamisk PageRank

Dynamisk PageRank udvider den klassiske PageRank-algoritme til netværk, hvis kanter bærer tidsstempler, og tildeler vigtighedsscore, der udvikler sig over tid. Ved at nedprioritere ældre links og fremhæve nyere forbindelser identificerer den noder, der er indflydelsesrige på specifikke tidspunkter snarere end på tværs af hele netværkshistorikken, hvilket gør den velegnet til webarkiver, citationsstrømme, sociale mediekaskader og ethvert domæne, hvor linkaktualitet er vigtig.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. 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), Lecture Notes in Computer Science, 9853, 674–689. Springer. DOI: 10.1007/978-3-319-46227-1_42
  2. Berberich, K., Vazirgiannis, M., & Weikum, G. (2007). Time-aware authority ranking. Internet Mathematics, 3(4), 407–429. link

Sådan citerer du denne side

ScholarGate. (2026, June 3). Dynamic PageRank (Temporal Extension of the PageRank Algorithm). ScholarGate. https://scholargate.app/da/network-analysis/dynamic-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.

Compare side by side

Refereret af

ScholarGateDynamic PageRank (Dynamic PageRank (Temporal Extension of the PageRank Algorithm)). Hentet 2026-06-15 fra https://scholargate.app/da/network-analysis/dynamic-pagerank · Datasæt: https://doi.org/10.5281/zenodo.20539026