PageRank Temporal
PageRank Temporal memperluas algoritma PageRank klasik kepada rangkaian yang berevolusi mengikut masa dengan menggabungkan kebaharuan dan susunan interaksi. Tepi diberi pemberat oleh fungsi pereputan supaya hubungan terkini menyumbang lebih kepada skor nod daripada yang lama. Hasilnya ialah kedudukan kepentingan dinamik yang menangkap siapa yang berpengaruh pada masa ini, bukannya sepanjang sejarah rangkaian.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian 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), 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/ms/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.
- PageRank TerarahAnalisis Rangkaian↔ compare
- Analisis Penyebaran RangkaianAnalisis Rangkaian↔ compare
- Kemeradulan Rentasan MasaAnalisis Rangkaian↔ compare
- Pengesanan Komuniti TemporalAnalisis Rangkaian↔ compare
- Sentraliti Eigenvektor TemporalAnalisis Rangkaian↔ compare
- Analisis Jaringan Sosial TemporalAnalisis Rangkaian↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →