Temporal PageRank
Temporal PageRank proširuje klasični PageRank algoritam na mreže koje se mijenjaju u vremenu ugrađivanjem novosti i redoslijeda interakcija. Rubovi se ponderiraju funkcijom slabljenja tako da nedavni kontakti više doprinose rezultatu čvora nego stari. Rezultat je dinamičko rangiranje važnosti koje obuhvaća tko je trenutačno utjecajan, umjesto tijekom cijele povijesti mreže.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/hr/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.
- Usmjereni PageRankAnaliza mreža↔ compare
- Analiza mrežne difuzijeAnaliza mreža↔ compare
- Vremenska posredovanost (Temporal Betweenness Centrality)Analiza mreža↔ compare
- Vremenska detekcija zajednicaAnaliza mreža↔ compare
- Vremenska svojstvena centralnostAnaliza mreža↔ compare
- Vremenska analiza društvenih mrežaAnaliza mreža↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →