ScholarGate
Pembantu
Machine learningNetwork science

PageRank Berbilang Lapisan

PageRank Berbilang Lapisan (Multilayer PageRank) mengembangkan sentraliti "random-walk" PageRank klasik kepada rangkaian yang mengandungi berbilang lapisan yang saling berkaitan — seperti rangkaian sosial di mana orang dihubungkan secara serentak melalui persahabatan, hubungan profesional, dan platform dalam talian. Dengan membenarkan pejalan maya melompat dalam dan merentasi lapisan, algoritma ini mengenal pasti nod yang berpengaruh merentasi keseluruhan struktur berbilang lapisan, bukan hanya dalam satu lapisan.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

Sumber

  1. De Domenico, M., Sole-Ribalta, A., Omodei, E., Gomez, S., & Arenas, A. (2015). Ranking in interconnected multilayer networks reveals versatile nodes. Nature Communications, 6, 6868. DOI: 10.1038/ncomms7868
  2. Boccaletti, S., Bianconi, G., Criado, R., del Genio, C. I., Gomez-Gardenes, J., Romance, M., Sendina-Nadal, I., Wang, Z., & Zanin, M. (2014). The structure and dynamics of multilayer networks. Physics Reports, 544(1), 1–122. DOI: 10.1016/j.physrep.2014.07.001

Cara memetik halaman ini

ScholarGate. (2026, June 3). Multilayer PageRank (Centrality on Multiplex and Multilayer Networks). ScholarGate. https://scholargate.app/ms/network-analysis/multilayer-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

Dirujuk oleh

ScholarGateMultilayer PageRank (Multilayer PageRank (Centrality on Multiplex and Multilayer Networks)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/network-analysis/multilayer-pagerank · Set data: https://doi.org/10.5281/zenodo.20539026