Bayesian PageRank (Probabilistic Ranking on Networks)
PageRank کلاسیک، هر پیوند را یک واقعیت شناختهشده تلقی میکند و یک امتیاز اهمیت ثابت برای هر گره برمیگرداند. اما شبکههای واقعی تقریباً هرگز بهطور کامل مشاهده نمیشوند: برخی پیوندها ممکن است حذف شده، اشتباه گزارش شده یا نمونهبرداری شده باشند. PageRank بیزی، خود بردار رتبه را به عنوان یک متغیر تصادفی با توزیع احتمال در نظر میگیرد. با قرار دادن یک پیشین (prior) بر روی ساختار شبکه یا امتیازات رتبه و بهروزرسانی آن با دادههای پیوند مشاهدهشده، توزیع پسین (posterior) را بر روی رتبهها به دست میآورد. این امر به تحلیلگران اجازه میدهد تا به جای ادعای دقیق بودن یک تخمین نقطهای واحد، فواصل اطمینان (credible intervals) را در اطراف تخمینهای رتبه گزارش کنند — تمایزی حیاتی در شبکههای نویزی یا ناقص.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bayesian PageRank (Probabilistic Ranking on Networks). ScholarGate. https://scholargate.app/fa/network-analysis/bayesian-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.
- تشخیص جامعه بیزیتحلیل شبکه↔ compare
- تحلیل انتشار شبکههای بیزیتحلیل شبکه↔ compare
- پیجرنک جهتدارتحلیل شبکه↔ compare
- مرکزیت بردار ویژهتحلیل شبکه↔ compare
- PageRank چندلایهایتحلیل شبکه↔ compare
- پیجرنک زمانی (Temporal PageRank)تحلیل شبکه↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →