Temporele PageRank
Temporele PageRank breidt het klassieke PageRank-algoritme uit naar tijdsafhankelijke netwerken door de recentheid en volgorde van interacties te incorporeren. Kanten worden gewogen door een vervalfunctie, zodat recente contacten meer bijdragen aan de score van een knooppunt dan oude. Het resultaat is een dynamische belangrijkheidsrangschikking die vastlegt wie op dit moment invloedrijk is, in plaats van over de gehele geschiedenis van het netwerk.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/nl/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.
- Gerichte PageRankNetwerkanalyse↔ compare
- NetwerkdiffusieanalyseNetwerkanalyse↔ compare
- Temporale Betweenness CentraliteitNetwerkanalyse↔ compare
- Temporale gemeenschapsdetectieNetwerkanalyse↔ compare
- Temporale Eigenvector CentraliteitNetwerkanalyse↔ compare
- Temporele Sociale NetwerkanalyseNetwerkanalyse↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →