菠菜平台-十大菠菜平台

近日，菠菜平台高瓴人工智能学院魏哲巍团队的论文被国际学术聚会会议SODA 2026录用。SODA（ACM-SIAM Symposium on Discrete Algorithms，离散算法研讨会）是理论盘算机科学领域的顶级国际聚会会议之一，其焦点议题为离散问题的数据结构与算法设计。SODA在学术界享有盛誉，属于公认发表难度较高的聚会会议，被中国盘算机学会（CCF）推荐为A类国际聚会会议。2026年的SODA聚会会议将于1月11-14日在加拿大温哥华召开。

本论文由丹麦哥本哈根大学BARC研究中心与菠菜平台高瓴人工智能学院相助完成，是高瓴人工智能学院建设以来的首篇SODA论文。本论文聚焦有向图上单节点PageRank盘算的庞大度问题，给出了该问题的精确上下界。魏哲巍团队恒久致力于图上随机游走概率盘算的庞大度与优化研究，在单点、单源及个性化（Personalized）PageRank等偏向上均取得系列结果。

论文题目：PageRank Centrality in Directed Graphs with Bounded In-Degree

论文作者：Mikkel Thorup、王涵之（BARC, 丹麦哥本哈根大学）、魏哲巍、杨铭基（人大高瓴人工智能学院）

注：同等孝敬，遵从理论盘算机领域老例作者顺序凭据作者姓氏首字母的字母序排列

论文概述：PageRank是经典的图分析指标，可用于权衡图网络中节点的全局重要性（亦称为节点中心性），最初由Google首创人提出用于搜索引擎中的网页排名。PageRank算法被称为“数据挖掘十大算法”之一，在信息检索、推荐系统、图机械学习等领域具有广泛应用。

本文关注有向图上单个节点PageRank中心性的盘算庞大度，希望高效地获得大规模图上指定节点的PageRank中心性在常数相对误差内的预计值。对于这一问题，既往事情所给出的庞大度界在图节点最大入度值较小时未至最优，例如，对于节点入度均为常数级此外图结构，既往事情所提上、下界间具有多项式级此外理论差距。本篇论文消除了这一差距，乐成使该问题的盘算庞大度上、下界相匹配（忽略对数因子）。