排序作为网络分析中的一种关键技术,主要用于筛选和发现更多有价值的信息,已成为互联网公司和学术界都十分关心的课题之一。传统的排名方法集中在同构网络的单一因素分析上,即网络中所有节点类型相同,排名因素具有较强的确定性。而针对当前大量的节点类型多样,链接关系复杂的异构网络,需要通过节点间的信息流动对同构网络排名进行优化;同时,时间因素的流动性与不确定性也会直接影响到排名结果的优化,对有价值信息的提取与挖掘带来了较大的误差。基于异构网络的微博时序排名方法研究(TemporalHeteRank)充分利用同构网络排名的确定性和时序特征的流动性提出了一种基于层次逻辑的异构网络排名方法。以微博为例,将同构网络排名方法分别用于网页、微博和用户组成的同构网络中,得到异构信息网络的预排名结果;根据微博基于时间特征的传播过程,利用逻辑回归方法拟合微博的生命周期曲线,获取微博的时序特征变化;然后根据时序特征对预排名结果进行优化;同时综合网页、微博和用户的排名结果,通过信息流动平衡节点间的信息,从而得到最优的联合排名结果。以新浪微博为分析实例通过网络爬虫爬取170万用户发布的真实微博数据,通过实验证明,TemporalHeteRank方法能有效的用于新浪微博为代表的异构网络排名中,能有效提高排名的准确性、实时可靠性。并将TemporalHeteRank方法应用到热点检测中,并与现有的热点发现模型进行比较,从而分析TemporalHeteRank方法在基于微博排名的应用中的可行性。