一个好的链路预测方法的背后往往需要一些好的网络特征或生长机制来支持，如网络的社团结构[1,2]、偏好连接[3]和弱连接效应[4]都可以很好的指导链路预测。在本文中，我们也是首先发现一种机制，然后基于此机制设计链路预测的方法。

我们首先提出了节点更偏向连接具有局部群落结构的节点（PWCS：nodes are preferentiallylinked to the nodes with weak clique structure）现象概念，举个简单例子：假设路人甲认识一个社团内部的某个人，如果这个社团越紧密，路人甲越有可能和这个社团的其他人认识。用大量的真实网络数据对比随机网络验证PWCS现象存在于各种真实网络，具有普适性。然后应用PWCS现象建立朋友推荐模型（即介绍人推荐他的朋友给你认识，但他不会把已经是你的朋友介绍给你）得到FR相似性指标，实验表明FR指标在链路预测上明显优于现在主流的CN指标、AA指标与RA指标。接着实验讨论了FR指标和RA指标的差异性，可以看出，只要RA能预测的边FR基本可以预测，反之则不然。

最后我们还设置可控参数建立一般的朋友推荐模型，实验表明加强weak clique structure对朋友推荐模型的影响，链路预测的结果的好坏取决于网络是否具有PWCS现象和PWCS现象是否明显。因此我们基于网络是否具有PWCS现象和网络中PWCS现象是否明显设计出更好的混合朋友推荐模型。

[1]Cannistraci C V, Alanis-Lobato G, Ravasi T. From link-prediction in brainconnectomes and protein interactomes to the local-community-paradigm in complexnetworks[J]. Scientific reports, 2013, 3.

[2]Zhu B, Xia Y. An information-theoretic model for link prediction in complexnetworks[J]. Scientific reports, 2015, 5.

[3]Barabási A L, Albert R. Emergence of scaling in random networks[J]. science,1999, 286(5439): 509-512.

[4]Lü L, Zhou T. Link prediction in weighted networks: The role of weak ties[J].EPL (Europhysics Letters), 2010, 89(1): 18001.

相关论文：

C. Ma, T. Zhou, H. Zhang, Playing the role ofweak clique property in link prediction: A friendrecommendation model,Scientific Reports 6 (2016) 30098.

下载地址

http://www.nature.com/articles/srep30098