PageRank Dynamique
PageRank Dynamique étend l'algorithme PageRank classique aux réseaux dont les arêtes portent des horodatages, en attribuant des scores d'importance qui évoluent dans le temps. En réduisant l'importance des liens anciens et en mettant l'accent sur les connexions récentes, il identifie les nœuds qui sont influents à des moments spécifiques plutôt qu'à travers l'historique complet du réseau, ce qui le rend bien adapté aux archives web, aux flux de citations, aux cascades de médias sociaux et à tout domaine où la fraîcheur des liens est importante.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
- Berberich, K., Vazirgiannis, M., & Weikum, G. (2007). Time-aware authority ranking. Internet Mathematics, 3(4), 407–429. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Dynamic PageRank (Temporal Extension of the PageRank Algorithm). ScholarGate. https://scholargate.app/fr/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.
- Centralité d'intermédiaritéAnalyse de réseaux↔ compare
- Centralité de degréAnalyse de réseaux↔ compare
- Détection dynamique de communautésAnalyse de réseaux↔ compare
- Centralité de vecteur propreAnalyse de réseaux↔ compare
- Détection de communautés temporellesAnalyse de réseaux↔ compare
- Analyse des réseaux temporelsAnalyse de réseaux↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →