ScholarGate
Assistente
Machine learningNetwork science

Dynamic PageRank

Dynamic PageRank estende l'algoritmo PageRank classico alle reti i cui archi trasportano timestamp, assegnando punteggi di importanza che evolvono nel tempo. Scontando i link più vecchi ed enfatizzando le connessioni recenti, identifica i nodi che sono influenti in momenti specifici piuttosto che nell'intera storia della rete, rendendolo ben adatto per archivi web, flussi di citazioni, cascate di social media e qualsiasi dominio in cui la recenza dei link è importante.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Fonti

  1. 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
  2. Berberich, K., Vazirgiannis, M., & Weikum, G. (2007). Time-aware authority ranking. Internet Mathematics, 3(4), 407–429. link

Come citare questa pagina

ScholarGate. (2026, June 3). Dynamic PageRank (Temporal Extension of the PageRank Algorithm). ScholarGate. https://scholargate.app/it/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.

Compare side by side

Citato da

ScholarGateDynamic PageRank (Dynamic PageRank (Temporal Extension of the PageRank Algorithm)). Consultato il 2026-06-15 da https://scholargate.app/it/network-analysis/dynamic-pagerank · Insieme di dati: https://doi.org/10.5281/zenodo.20539026