Temporal PageRank
Temporal PageRank расширяет классический алгоритм PageRank на сети, развивающиеся во времени, путем учета актуальности и порядка взаимодействий. Ребра взвешиваются функцией затухания, так что недавние контакты вносят больший вклад в оценку узла, чем старые. Результатом является динамический рейтинг важности, который отражает, кто влиятелен прямо сейчас, а не за всю историю сети.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Temporal PageRank (Time-Aware Node Importance Ranking in Temporal Networks). ScholarGate. https://scholargate.app/ru/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.
- Directed PageRankСетевой анализ↔ compare
- Анализ сетевой диффузииСетевой анализ↔ compare
- Temporal Betweenness CentralityСетевой анализ↔ compare
- Выявление временных сообществСетевой анализ↔ compare
- Временная собственная центральностьСетевой анализ↔ compare
- Временной анализ социальных сетейСетевой анализ↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →