Temporal PageRank
Temporal PageRank utvider den klassiske PageRank-algoritmen til tidsutviklende nettverk ved å inkorporere aktualitet og rekkefølge av interaksjoner. Kanter vektes av en forfallsfunksjon slik at nylige kontakter bidrar mer til en nodes poengsum enn gamle. Resultatet er en dynamisk viktighetsrangering som fanger opp hvem som er innflytelsesrik akkurat nå, snarere enn over nettverkets samlede historie.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/no/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.
- Rettet PageRankNettverksanalyse↔ compare
- NettverksdiffusjonsanalyseNettverksanalyse↔ compare
- Temporal mellomværende sentralitetNettverksanalyse↔ compare
- Tidsmessig samfunnsdeteksjonNettverksanalyse↔ compare
- Tidsmessig egenvektorsentralitetNettverksanalyse↔ compare
- Temporal analyse av sosiale nettverkNettverksanalyse↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →