PageRank Temporal
PageRank Temporal extinde algoritmul clasic PageRank la rețele în evoluție în timp, prin încorporarea recenței și ordinii interacțiunilor. Muchiile sunt ponderate de o funcție de atenuare, astfel încât contactele recente contribuie mai mult la scorul unui nod decât cele vechi. Rezultatul este un clasament dinamic al importanței care surprinde cine este influent în prezent, mai degrabă decât pe parcursul întregii istorii a rețelei.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/ro/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 DirijatAnaliza rețelelor↔ compare
- Analiza difuziunii în rețeaAnaliza rețelelor↔ compare
- Centralitatea de Intermediar TemporalăAnaliza rețelelor↔ compare
- Detecția Comunităților TemporaleAnaliza rețelelor↔ compare
- Centralitatea Vectorului Propriu TemporalAnaliza rețelelor↔ compare
- Analiza Temporală a Rețelelor SocialeAnaliza rețelelor↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →