近日，四川农业大学理学院数值计算与数值分析研究团队沈照力副教授联合电子科技大学、意大利博尔扎诺自由大学等机构，针对复杂多层网络中节点重要性量化难题，提出了一种高效混合PageRank中心度计算方法。相关研究成果以《Efficient hybrid PageRank centrality computation for multilayer networks》为题，发表于国际权威期刊《Chaos, Solitons and Fractals》（中科院1区）。论文全文链接：https://doi.org/10.1016/j.chaos.2025.116018

随着社交网络、生物信息网络和交通网络等复杂系统的快速发展，传统的单层网络模型已无法准确刻画真实系统的多层交互特性。如何在多层网络中高效识别关键节点，一直是网络科学领域的难点。现有方法存在计算效率低、存储成本高、收敛速度慢等问题，尤其在处理大规模网络时性能显著下降。研究团队从多层网络的结构特性出发，将传统针对多层网络的4阶张量PageRank模型重构为交替离散马尔可夫链框架；通过克罗内克积和低秩分解，将高维张量运算转化为稀疏矩阵操作，大幅降低存储需求；结合预处理Krylov子空间方法，显著提升迭代求解效率，在百万级节点网络中仍保持优秀性能；引入节点间链路分布多样性指标，提升中心度度量的准确性。该方法在生物网络、社交网络和交通网络等真实数据集中，计算速度较传统方法提升数倍，且能有效捕捉多层网络中的节点影响力差异。

该成果为流行病传播预测、交通枢纽优化、社交媒体关键用户识别等场景提供了高效工具。例如，在传染病防控中，可快速定位跨层传播的关键节点；在交通规划中，能精准评估多模式交通网络的枢纽重要性。研究获国家自然科学基金（12101433）、四川省科技计划项目（2023NSFSC1136）及四川农业大学“双支计划”（1921993077）支持。