Machine learningNetwork science

Динамички PageRank

Динамички PageRank проширује класични PageRank алгоритам на мреже чије везе носе временске ознаке, додељујући резултате важности који се мењају током времена. Дисконтовањем старијих веза и наглашавањем недавних конекција, идентификује чворове који су утицајни у специфичним тренуцима, а не током целокупне историје мреже, што га чини погодним за веб архиве, токове цитата, каскаде друштвених медија и било који домен где је релевантност везе битна.

Otvorite u MethodMindUskoroVideoUskoroDownload slides

Pročitajte celu metodu

Samo za članove

Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.

Prijavite se

Method map

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

Izvori

  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

Kako citirati ovu stranicu

ScholarGate. (2026, June 3). Dynamic PageRank (Temporal Extension of the PageRank Algorithm). ScholarGate. https://scholargate.app/sr/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

Citirana u

ScholarGateDynamic PageRank (Dynamic PageRank (Temporal Extension of the PageRank Algorithm)). Preuzeto 2026-06-15 sa https://scholargate.app/sr/network-analysis/dynamic-pagerank · Skup podataka: https://doi.org/10.5281/zenodo.20539026