逆向游走PageRank算法：社交网络影响力的新测量方法

该研究论文标题为“基于逆向游走的PageRank社交网络影响力度量算法”，由郑孝遥、杨文建、鲍煜和罗永龙四位作者共同完成，来自安徽师范大学数学计算机科学学院，地点位于安徽芜湖。论文关注的是社交网络中节点影响力的量化问题，这在社交网络分析中具有实际应用价值。 传统随机游走算法在测量节点影响力时，由于其精确度不高，限制了其在复杂网络分析中的效果。为解决这一问题，论文提出了一种新颖的算法——逆向随机游走算法。该算法的核心思想是采取逆向查找信息传播源头的方式，即从目标节点出发，沿有向边逆向追踪，每次以一定的概率选择一条边进行随机游走。通过迭代计算，这种方法能够更准确地估计每个节点的影响力值。 实验结果表明，相比于传统的随机游走算法，基于逆向游走的PageRank方法在保持稳定性的前提下，即使在迭代次数较少的情况下也能提供更高的精度。这对于在网络分析中快速而有效地确定关键节点和影响力范围具有重要意义。论文的关键词包括随机游走、社交网络和影响力度量，显示出研究内容专注于改进现有方法，提升社交网络分析的效率和准确性。 论文的中图分类号以及文献标志码表明其属于学术研究范畴，而文章结构分为多个部分，如引言、算法描述、实验与结果、讨论和结论等，全面探讨了逆向游走算法的理论基础、实施过程和实际效果。总体来说，这篇论文为社交网络影响力度量提供了创新的解决方案，对于相关领域的研究人员和实际应用者都具有较高的参考价值。