Machine learningCentrality

PageRank Centrality

PageRank یک الگوریتم مرکزیت مبتنی بر پیوند است که با اندازه‌گیری اینکه چه تعداد گره با کیفیت بالا به آن اشاره می‌کنند، به هر گره در یک گراف جهت‌دار امتیاز اهمیت اختصاص می‌دهد. این الگوریتم که توسط لری پیج، سرگئی برین، راجیف موتوانی و تری وینوگراد در دانشگاه استنفورد در سال ۱۹۹۹ معرفی شد، مبنای ریاضی موتور جستجوی گوگل شد و همچنان یکی از تأثیرگذارترین الگوریتم‌ها در علم شبکه و بازیابی اطلاعات باقی مانده است.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Page, L., Brin, S., Motwani, R., & Winograd, T. (1999). The PageRank citation ranking: Bringing order to the web. Stanford InfoLab Technical Report. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). PageRank Centrality. ScholarGate. https://scholargate.app/fa/network-analysis/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

ارجاع‌شده در

ScholarGatePageRank (PageRank Centrality). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/pagerank · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026