Dynamic PageRank
Dynamic PageRank memperluas algoritma PageRank klasik ke jaringan yang tepinya membawa stempel waktu, menetapkan skor kepentingan yang berkembang seiring waktu. Dengan mendiskontokan tautan yang lebih tua dan menekankan koneksi terbaru, ia mengidentifikasi node yang berpengaruh pada saat-saat tertentu daripada di seluruh riwayat jaringan, menjadikannya sangat cocok untuk arsip web, aliran kutipan, kaskade media sosial, dan domain apa pun di mana kebaruan tautan penting.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Dynamic PageRank (Temporal Extension of the PageRank Algorithm). ScholarGate. https://scholargate.app/id/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.
- Betweenness CentralityAnalisis Jaringan↔ compare
- Sentralitas DerajatAnalisis Jaringan↔ compare
- Deteksi Komunitas DinamisAnalisis Jaringan↔ compare
- Sentralitas EigenvectorAnalisis Jaringan↔ compare
- Deteksi Komunitas TemporalAnalisis Jaringan↔ compare
- Analisis Jaringan TemporalAnalisis Jaringan↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →