Ajallinen PageRank
Ajallinen PageRank laajentaa klassista PageRank-algoritmia aika-evoluutiossa oleviin verkostoihin sisällyttämällä vuorovaikutusten tuoreuden ja järjestyksen. Kaaret painotetaan hajoamisfunktiolla siten, että viimeaikaiset kontaktit vaikuttavat solmun pisteisiin enemmän kuin vanhat. Tuloksena on dynaaminen tärkeysjärjestys, joka kuvaa, kuka on vaikuttava juuri nyt, eikä koko verkon historian aikana.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/fi/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.
- Suunnattu PageRankVerkostoanalyysi↔ compare
- Verkostoanalyysi leviämisen mallintamiseenVerkostoanalyysi↔ compare
- Ajallinen välillisyyskeskeisyysVerkostoanalyysi↔ compare
- Ajallinen yhteisöjen tunnistusVerkostoanalyysi↔ compare
- Ajallinen ominaisvektorikeskeisyysVerkostoanalyysi↔ compare
- Ajallinen sosiaalisten verkostojen analyysiVerkostoanalyysi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →