#Paper Reading# The Link Prediction Problem for Social Networks

论文题目：The Link Prediction Problem for Social Networks
论文地址：http://www.cs.cornell.edu/home/kleinber/link-pred.pdf

论文主要内容：
本文根据一个时间点t0的社交网络（social network），使用多种方法对社交网络的用户联系发展进行分析，探寻预测在未来的时间点t1这个社交网络用户之间联系的增加情况，以实现在大型社交网络中更有效地预测用户的关联关系。

1、作者抓取arXiv网站上面的论文合作者，并构造成一个论文合作者网络（co-authorship networks），用于实验。论文方向包括5个方面：astrophysics, condensed matter, general relativity and quantum  cosmology,  high energy physics—phenomenology, high energy physics theory。

2、使用4个时间点共两个时间段进行实验。[t0, t1, t2, t3]，其中[t0, t1]作为训练集数据，[t2, t3]作为测试集数据。因为写论文发论文耗的时间比较长，所以作者使用[1994, 1996, 1997, 1999]这四个时间点。也就是说，1994年到1996年的论文合作者网络作为训练集，1997年到1999年的论文合作者网络作为测试集。

3、我们正常的思维是，什么样的人才会合作写一篇论文呢？答案是同一个实验室的科研人员，有同样科研方向的等。所以也就是预测关系比较近（close）的科研人员（这个跟我们微博等推荐用户有点像）。但是也有一些不可预测的情况，比如一个科研人员突然搬去了另一个实验室，然后就跟另一个实验室的教授发了一篇论文。这些是不可预测因素。

4、下面介绍下作者使用的方法：
（1）、基于距离的方法：x和y两者，距离越近（在联合发paper的网络E中），以后合作发paper的概率越高。
（2）、基于公共邻居数量的方法：x和y两个作者，他们的公共邻居（分别与x和y都发过paper的人）越多，那么他们会在一起发paper的概率就越高。
（3）、Jaccard’s coefficient：一种相似度对比的方法。
（4）、Adamic/Adar：两位作者personal home page的相关度。
（5）、Preferential attachment：作者x的边（合作关系）增加的概率与x原有的边的数量成正相关（一个原来paper数量寥寥可数的人，接下来几年的paper数量正常来说也不见得会怎么飙升）。
（6）、Katz：作者未来合作的概率与两者之间的路径按长短权重叠加的方式计算。
（7）、Hitting time：x到y的random walk所需要的期望步数。
（8）、SimRank：有点像pagerank的计算方法，不断递归相邻结点来求出结果

5、实验结果：通过上面的各种方法得出结果，可以发现Katz（平均是基准的35倍）跟Adamic/Adar（平均是基准的37倍）的表现比较好（但都不是那么好），详细表现请看论文原文。

6、文章后面提到“The small world problem”，小世界效应说明很多长度为2的结点对之间没有发生合作关系（x与y均分别与z发过文章，但之后x与y一起发文章的概率会比较低，约为3%~5%），而作者发现了有许多路径长度大于2的结点对之间发生了合作关系。作者尝试了一下只考虑结点对长度大于等于3的情况，发现Kazt的表现是基准的30倍左右。

7、考虑了一下，链接的预测需要分情况来说，比如QQ好友或者朋友圈这些，推荐的人（预测的链接）一般距离都不会超过三，就像有以前QQ会推荐可能认识的人是与你有10个共同好友的，所以朋友社交类链接预测主要看结点间的距离。而如果是微博类只要应该考虑兴趣，这方面的研究会继续关注。

8、发现这一篇博文分析得不错，详见 http://blog.163.com/redhumor@126/blog/static/1955478420117259544173/

以上均为个人见解，因本人水平有限，如发现有所错漏，敬请指出，谢谢！