我院2018级硕士郎丽茜为第一作者的“University ranking on faculty hiring network with minimum weighted violation rankings”已于2019年8月在线发表（https://www.worldscientific.com/doi/10.1142/S0129183119400175）。该文章在2018年重庆举行的第十四届全国复杂网络学术会议进行交流，经会议程序委员会评选，最后推荐发表于International Journal of Modern Physics C这一综合性期刊。

图1 论文信息

       对实体的评价问题涉及到生活的方方面面，评价结果对资源分配有很大影响。而大学排名也是社会和科学界比较关心的一个评价问题。但是每一年的大学排名由不同的机构发布，评价指标涉及到教育的方方面面，比较繁琐且成本较高，同时指标的主观性是一个重大的缺陷。

       本文在2015年Clauset等人提出的最小反向排名的方法基础上，使用高校博士毕业生毕业到各高校就职流向数据这一客观简单的指标研究大学排名，兼有可靠性、简单性和客观性的特点。文章从极大似然估计的思想出发，推导出加权最小反向排名的模型。如下图所示，模型主要假设不同等级学校之间的博士毕业生跳转具有不同的概率，特别是由差的学校向好的学校跳转的会比较小，而且层级差别越大概率越小。

图2博士毕业生在不同大学间的跳转概率

       基于整个系统的似然函数极大，利用博士毕业工作的流量数据可以对各个大学进行一个排序。所得到的序列和一些权威机构，包括U.S. News和National Research Council的排名具有很大的相似性，如下图所示。

图3 大学排名结果对比

这篇文章的合作者为郑涛副教授（通讯作者）、陈清华教授（通讯作者）及加州大学洛杉矶分校的王岩同学。这篇文章也受益于与李小萌博士的讨论和建议。

本文是通过实体之间的流量来分析实体关系的一个具体例子。复杂系统具有与众多实体，它们之间的关系错综复杂的，具有庞大的数量，不容易直接把握，而流量往往是实体关系的一种表现。通过分析一种流量能反映出实体之间在某一个特征或侧面上的关系。