เปรียบเทียบวิธี

	เทมพอรัลเพจแรงก์	การวิเคราะห์การแพร่กระจายในเครือข่าย
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2016	1927 (epidemic roots); network formalization 1990s–2000s
ผู้ริเริ่ม	Rozenshtein, P. & Gionis, A.	Kermack, W. O. & McKendrick, A. G.
ประเภท	Centrality / ranking algorithm for temporal networks	Simulation / analytical model
แหล่งต้นตำรับ	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.	Kermack, W. O. & McKendrick, A. G. (1927). A contribution to the mathematical theory of epidemics. Proceedings of the Royal Society of London A, 115(772), 700–721.
ชื่อเรียกอื่น	TPR, time-aware PageRank, streaming PageRank, dynamic PageRank	diffusion on networks, information diffusion, contagion spreading model, network propagation model
ที่เกี่ยวข้อง	6	5
สรุป	Temporal PageRank extends the classic PageRank algorithm to time-evolving networks by incorporating the recency and ordering of interactions. Edges are weighted by a decay function so that recent contacts contribute more to a node's score than old ones. The result is a dynamic importance ranking that captures who is influential right now, rather than over the entire history of the network.	Network diffusion analysis models how information, diseases, behaviors, or innovations spread across a graph of nodes and edges. Drawing on classical epidemic theory (SI, SIR, SIS) and modern network science, it tracks which nodes become infected, how quickly, and whether the spread reaches a global cascade or dies out locally.