近日，美高梅MGM33999信息与计算科学专业2018级本科生杨浩同学在应用数学系沈照力老师的指导下，以共同第一作者身份在SCI收录期刊《Symmetry-Basel》发表题为《求解PageRank模型特征向量问题的预处理型Arnoldi算法》论文，该期刊中国科学院分区3区，影响因子为2.713。

大数据时代背景下，万物互联的探索与实践不断推进，网络结构型数据不断地扩大其覆盖面。因此，分析网络结构型数据对提升科研、工程、服务的质量与效率越发重要。PageRank模型被广泛用于度量数据网络节点中心度，相关应用领域包括：蛋白质功能预测以及对基因表达数据集的分析、分子动力学模拟、人脑的功能连接网络分析、电力网络中脆弱线路的快速辨识等。PageRank模型的求解存在规模大、难度高、计算资源占用多的困难，提升其计算效率将加速相关应用领域的进展。本文分析了PageRank模型里特征向量问题的特性，提出了其能通过一类特殊多项式转化为等价的更易求解问题的主要结论，并以此为基础提出了一种预处理型的Arnoldi求解算法。数值实验显示，该算法能显著加速普通Arnoldi方法的求解，在与其它先进方法对比中也展现出了较强的竞争力，能有效提高问题的求解效率。

该论文得到美高梅MGM33999学科建设双支计划、学校科研兴趣小组项目的支持。