今天中午Imperial College London商学院的一个博士生Tore Opsahl给我们做一个报告。他并非研究链路预测的，但是却启发了我的研究思路。他关注的是在线社会网络的交流模式，因此报告的题目是”Communication in a Facebook-like Community”,这篇论文刚刚挂在arXiv上，下载地址是：arxiv:1010.2141.

他的研究思路这样的，利用Facebook中的用户配置文件（留下了很多用户的信息，例如年龄，性别，学校等等信息）考察社会网络中的通讯到底和什么因素相关。用的方法很简单：Logistic回归。抽取数百万条用户的朋友数据，如果一个人加另外一个人为好友，则可以根据这个信息建立一条有向边。根据边的存在与否，利用Logistic做二元回归，即观察有朋友关系和没有朋友关系与哪些因素相关。利用独立变量回归发现，我们倾向与我们同龄，异性，有一些共同朋友的人通讯。进一步用多元回归发现其实我们是愿意与我们具有相同学历，Reinforcement和Reciprocity（sorry这两个因素我没太理解）的人交流。

其实方法和结论都蛮有意思的。也是我喜欢的研究方法——将网络中的故事读出来，而并非把所有的故事都抽象成枯燥的点和边。该工作其实严格地讲属于链路预测的范畴，但是讲出的故事，得到的信息比单纯的链路存在与否要丰满许多。不仅知道了交流的存在与否，而且符合哪些特征的人更倾向于交流。但是该工作也有很大的缺陷。第一，Logistic回归的时候输入变量之间的相关性没有检验。也就是说很多因素，例如学历，年龄，学校之间的相关性忽略了。另外，我觉得更为有意思的新加入系统的节点倾向与谁交流没有回答。新加入节点的行为模式对于提高网站的知名度非常重要，没有做这个分析有点可惜了。另外时间序列因素没有考虑到也有些不解。