针对目前民航旅客关系网络中旅客关系类别单一、旅客价值计算滞后、旅客潜在价值计算没有考虑旅客之间的相互影响,使得一些具有极大消费潜力的旅客因为目前乘机次数较少而被航空公司忽略的现状,提出了一种融合个体属性与社交关系的民航旅客价值度量方法,采用RFMc模型计算旅客个体价值,并采用多关系评价(MRE)模型分析旅客关系,然后通过改进的PageRank算法设计实现融合旅客个体价值和社交关系的民航旅客价值排序(CAPV-Rank)算法,实现旅客价值度量、旅客价值预测和潜在高价值旅客挖掘。实验结果表明:设计实现的CAPV-Rank算法可通过调整权重因子实现多种模式下的旅客价值计算,满足各种业务需求,并能实现旅客价值预测、潜在高价值旅客挖掘,旨在为民航旅客价值度量和预测提供灵活、高效的解决方案。