เปรียบเทียบวิธี

	เทมพอรัลเพจแรงก์	การวิเคราะห์เครือข่ายสังคมเชิงเวลา
สาขาวิชา	การวิเคราะห์เครือข่าย	การวิเคราะห์เครือข่าย
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2016	2000s–2010s
ผู้ริเริ่ม	Rozenshtein, P. & Gionis, A.	Moody, J.; Holme, P.; Saramäki, J.
ประเภท	Centrality / ranking algorithm for temporal networks	Longitudinal network analysis
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.	Holme, P., & Saramäki, J. (2012). Temporal networks. Physics Reports, 519(3), 97–125.
ชื่อเรียกอื่น	TPR, time-aware PageRank, streaming PageRank, dynamic PageRank	TSNA, longitudinal social network analysis, time-varying network analysis, dynamic SNA
ที่เกี่ยวข้อง	6	4
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.	Temporal Social Network Analysis (TSNA) extends classic social network analysis by treating networks as time-varying structures. Rather than aggregating all ties into a single static snapshot, TSNA tracks when ties form, persist, and dissolve, enabling researchers to study how social structures evolve and how dynamic connectivity shapes diffusion, influence, and inequality over time.