ScholarGate
Assistent
Machine learningNetwork science

Dynamisk PageRank

Dynamisk PageRank utvider den klassiske PageRank-algoritmen til nettverk der kanter bærer tidsstempler, og tildeler viktighetsscorer som utvikler seg over tid. Ved å diskontere eldre lenker og vektlegge nylige forbindelser, identifiserer den noder som er innflytelsesrike på spesifikke øyeblikk snarere enn over hele nettverkshistorien, noe som gjør den godt egnet for nettarkiver, sitasjonsstrømmer, sosiale mediekaskader og ethvert domene der lenkens aktualitet betyr noe.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 3). Dynamic PageRank (Temporal Extension of the PageRank Algorithm). ScholarGate. https://scholargate.app/no/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

Referert av

ScholarGateDynamic PageRank (Dynamic PageRank (Temporal Extension of the PageRank Algorithm)). Hentet 2026-06-15 fra https://scholargate.app/no/network-analysis/dynamic-pagerank · Datasett: https://doi.org/10.5281/zenodo.20539026