Temporal PageRank
Temporal PageRank udvider den klassiske PageRank-algoritme til tidsudviklende netværk ved at indarbejde interaktioners aktualitet og rækkefølge. Kanter vægtes af en henfaldsfunktion, så nylige kontakter bidrager mere til en nodes score end ældre. Resultatet er en dynamisk vigtighedsrangering, der fanger, hvem der er indflydelsesrig lige nu, snarere end over hele netværkets historie.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/da/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.
- Directed PageRankNetværksanalyse↔ compare
- NetværksdiffusionsanalyseNetværksanalyse↔ compare
- Temporal MellemhedscentralitetNetværksanalyse↔ compare
- Temporal Community DetectionNetværksanalyse↔ compare
- Temporal Eigenvector CentralityNetværksanalyse↔ compare
- Temporal analyse af sociale netværkNetværksanalyse↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →