如何确定社交网络中可能的连接？

29

我很想确定一种解决“建议的朋友”算法的方法。

Facebook具有一项功能，它会向您推荐您可能认识的个人。这些用户通常（不包括用户特别推荐朋友的极端情况）与自己的网络高度相似。即，共同的朋友数量很多。我认为Twitter的“关注对象”机制遵循类似的路径。

Facebook员工Stephen Doyle（Igy）表示，使用EdgeRank公式的相关新闻提要似乎表明，比起类似外表之类的朋友，有价值的更多。另一个用户建议使用Google Rank系统。

Facebook的指出他们的新闻饲料优化为哪里 $\sum u_{e}w_{e}d_{e}$

=查看用户与边缘创建者之间的亲和力分数 =该边缘的权重（创建，评论，喜欢，标签等） =基于创建边缘多长时间的时间衰减因子 $u_{e}$
$w_{e}$
$d_{e}$

对这些项目求和应该可以得出对象的等级，正如Igy所暗示的那样，这意味着建议朋友使用相似格式的东西。

所以我猜想这是通常通过等级系统完成所有类型的连接的方式吗？

— w
source

作为一个简单的起点，您可以使用“朋友之友”推荐系统。也就是说，如果你有很多朋友是人X的朋友，那么也许你应该成为朋友的人X.

— 乔

1

有多种随机图模型试图捕获真实社交网络的结构。计算潜在边缘的可能性取决于您使用的模型和可用信息。

— 卡夫

7

你可以把社交图谱作为基质的。解决该问题的一种方法是首先计算，它将给出社交网络中两个参与者之间所有长度为2的路径。这可以看作是这些朋友之友之间联系的重心。下一步是从的行中选择与感兴趣的人相对应的列，以获取新朋友的最佳人选。 $\mathbf{M}$ $\mathbf{M}^2$ $\mathbf{M}^2$

— 戴夫·克拉克
source

1

这将给出

与人

之间的路径数，然后可以将其用于对朋友进行排名。我承认这很粗糙。

f_{i}

$f_i$

p

$p$

— 戴夫·克拉克

我认为使用图形对问题进行建模既容易又直观。

— MMS

11

您正在寻找的是一种启发式方法。在没有朋友直接联系的两个人是朋友还是不是朋友的情况下，没有算法可以说。友谊/相识关系不能保证是可传递的（我们可以假设是对称的，但这甚至可能是现实生活中的延伸）。因此，任何良好的启发式方法都必须基于对人们互动方式的理解，而不是对关系图的本质有一些数学上的理解（尽管我们需要用这些术语来量化启发式方法）。

以相同的概率建议朋友的朋友是相对便宜但不准确的启发式方法。例如，父亲有朋友，但我不会说我与他们中的任何一个朋友在一起（尽管出于社交网络等目的，我可能会说我是父亲的朋友）。一个人相距较近并不一定会使他们成为理想的人选。

一般而言，建议与您拥有许多扩展关系的人似乎也是一个糟糕的选择，因为这将导致那些早日前进的人的朋友呈指数增长（与凯文·培根游戏的7度分离是这个例子）。

$R$

  _____
 /     \
a---c   f
|   | /
b   d---e
| \ |
g   h   i

假设我们想为寻找新朋友a。a目前的朋友们b，c和f。我们评估的净等效电阻a和每个d，e，g，h，和i：

pair   resistance
(a,d)   6/7
(a,e)  13/7
(a,g)   7/4
(a,h)   1/1
(a,i)   inf

根据这种启发式 d是最佳的候选朋友，紧随其后h。g是下一个最佳选择，紧随其后e。i这种启发法永远不可能成为候选朋友。重要的是，是否发现这种启发式方法的结果可以代表真实的人类社会互动。从计算上来说，这将涉及找到包含两个个体之间所有路径的子图（或者可能是一些有意义的选择，将其截断），然后评估源节点和宿节点之间的等效电阻。

编辑：那么我对此的社会动机是什么？嗯，这可能是一个粗略的模型，说明与中介（朋友）联系并随后通过中介（朋友）交流可能有大量信息的难度。用CS术语（而不是物理术语），这可以解释为图中两个节点之间的带宽。该系统的扩展将允许具有不同权重（电阻，带宽等）的人之间进行不同类型的链接，并按上述步骤进行操作。

— 帕特里克87
source

10

随着社交网络的普及，在这个问题上已经做了很多工作。该问题通常被称为“链接预测”，可以在此处和此处找到非常好而全面的调查。方法的范围从非常简单（例如，节点之间的Jaccard相似性）到非常复杂（例如，生成生成连接过程的统计模型）。这在很大程度上取决于您数据集中可用的特定功能（例如，仅网络结构，节点属性？，边缘属性等），但是这些调查将为您提供一个从哪里开始的好主意。

— 缺口
source

4

免责声明：我在这里疯狂地猜测；我尚未阅读任何体裁研究。

您可以查看与节点拥有的连接数量相关的节点共享连接数。这是一个非常幼稚的（就本地而言）的想法，但是这是可行的。

每个节点 $N$ （人或其他概念）具有一组联系 $C_N$ 。现在，给定两个节点 $N_1$ 和 $N_2$ ，建议 $N_2$ 至 $N_1$ 如果

$\qquad \displaystyle \frac{|C_{N_1} \cap C_{N_2}|}{|C_{N_1}|} \geq \alpha$

为了一些合理的 $\alpha \in [0,1]$ （反之亦然）。

另一个想法更具全局性：确定一组与手头节点相似的节点，并提出许多节点共享的连接。因此，定义相似节点的集合

$\qquad \displaystyle S_N = \left\{M : \frac{|C_N \cap C_M|}{N} \geq \alpha\right\}$

and the set plausible suggestions by

$\qquad \displaystyle \left\{ S : \frac{\sum_{M \in S_N} [S \in M]}{|S_N|} \geq \beta \right\}$

again for reasonable $\alpha, \beta \in [0,1]$ .

In reality, you would certainly want to weight connections individually; for instance, elements of $S_N$ that you are already connected with should have larger import than such that are far away from you.

— Raphael
source