Machine learningNetwork science
Temporal PageRank
Temporal PageRank은 상호작용의 최신성과 순서를 통합하여 시간적으로 진화하는 네트워크에 대해 고전적인 PageRank 알고리즘을 확장합니다. 엣지는 감쇠 함수에 의해 가중치가 부여되어, 오래된 접촉보다 최근 접촉이 노드의 점수에 더 많이 기여하도록 합니다. 그 결과는 네트워크의 전체 역사를 통틀어보다는 현재 시점의 영향력을 포착하는 동적 중요도 순위입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/ko/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.
- 방향성 페이지랭크네트워크 분석↔ compare
- 네트워크 확산 분석네트워크 분석↔ compare
- 시간적 매개 중심성네트워크 분석↔ compare
- 시간적 커뮤니티 탐지네트워크 분석↔ compare
- 시간 고유벡터 중심성네트워크 분석↔ compare
- 시간적 사회 연결망 분석네트워크 분석↔ compare