New-LeaderRank算法：合著者网络影响力的综合评价

"合著者网络中的网络排名算法是一种用于评估作者在科研合作网络中影响力的算法。该算法受到网页排名算法PageRank和社会网络排名算法LeaderRank的启发，并结合了H-因子的概念，以更全面地衡量作者的影响力。New-LeaderRank算法特别考虑了作者与合著者之间的合作频率以及这些合著者对作者的相对影响。通过Paul Erdos的合著者网络实例分析，该算法表现出能有效评价作者影响力的特性。" 在学术界，合著作品的频繁出现使得单凭论文数量来评价一个作者的影响力变得不够准确。因此，研究人员提出了各种网络排名算法来量化这种影响力。New-LeaderRank算法是其中的一种创新，它引入了H-因子作为初始值。H-因子是一个衡量科学家发表高质量论文能力的指标，通常指一个作者有H篇论文每篇至少被引用了H次。将H-因子融入算法，意味着在计算作者影响力时，不仅考虑了作者的总体合作情况，还重视了合作的质量，即合著者的质量和数量。 PageRank算法是Google搜索引擎用来确定网页重要性的基础，它基于网页之间的链接结构。而LeaderRank算法则更专注于社会网络中的个体影响力，考虑了节点在网络中的位置和连接。New-LeaderRank算法结合了这两种思想，通过迭代过程更新每个作者的排名，既考虑了作者与其他作者的连接度，也考虑了这些连接的强度，即合著关系的深度。 实证分析显示，New-LeaderRank算法在Paul Erdos的合著者网络中表现优秀。Paul Erdos是一位著名的数学家，他的合作网络广泛且复杂，因此是一个理想的测试案例。通过与PageRank和LeaderRank的比较，New-LeaderRank能够更精确地反映出作者与其合著者互动的复杂性，从而为科学合作网络中的影响力评估提供了一个更为全面和精确的方法。 New-LeaderRank算法为科研合作网络中的影响力评估提供了新的视角，有助于更公正、全面地评价作者的学术贡献。这对于学术界的评价体系改革，特别是在评估团队合作和跨学科研究中的个人贡献方面，具有重要的理论和实践意义。