针对加权 Leaderrank算法存在的权值均分、主题漂移等问题，提出一种用户社交网络排序算法。结合Glove模型、余弦相似度计算方法和牛顿冷却定律，通过引入链入链出因子、主题相关度因子和时间衰减度因子改善加权 Leaderrank算法的不足。实验结果表明，与加权 Leaderrank算法相比，该算法的精确率、点击率和NDCG值分别提高7.80%、6.73%和4.75%，可有效提高排序质量。

用于计算有向网络中节点加权后的leaderrank值

基于Python2.7实现的LeaderRank复杂网络节点排序算法，算法输出排序后每个节点的重要性值　参考论文：2011-Leaders in Social Networks, the Delicious