社交网络中的重要节点对网络结构和功能具有决定性影响，开发精度更高的重要节点排序算法成为当前的研究热点之一。其中，LR(LeaderRank)引入一个背景节点明显提升了经典PageRank排序算法的性能，但仍面临着网络中小出度用户的投票权偏见问题。因此，提出背景图增强的社交网络重要节点自适应排序算法AGR(adaptive GraphRank),构建多节点背景图替代LR的单一背景节点，基于H指数设计有偏向的随机游走，缓解投票权偏见。调参实验初步确定了背景图的最优规模和结构；与K-TOPSIS等现有优秀算法进行对比实验，验证了AGR在传播、瓦解、鲁棒性三个关键维度上的性能提升；实际案例检验了算法在真实场景下的有效性。综上，AGR有效缓解了投票权偏见，提高了排序精度，展示出较优的性能和应用潜力。