基于指数随机图的微博链路预测#
黄浩，张闯，吴铭，高雅斯*
（北京邮电大学模式识别与智能系统实验室，北京 100876）
5
10
15
20
25
30
35
40
摘要：链路预测是根据网络中已有的边信息，用以预测有可能发生链接的那些节点。微博是
一种新型的社交网络，逐渐成为虚拟世界中连接人与人之间的纽带，正在飞速的发展。微博
中人与人之间关系的推荐和预测，可以更好的扩大人际交往的圈子，使微博的交际作用更加
显著。传统的链路预测方法普适的针对各种网络，没有充分考虑人们之间的交互性。本文将
社会网络中的指数随机图模型（ERGM）用在微博的链路预测中，以微群作为代表性分析研究
对象，将用户的基本信息以及网络的拓扑信息综合考虑，构建针对社会网络的预测模型。通
过微群中的基本数据构建训练模型，仿真生成预测网络，利用仿真网络对微博进行链路预测。
关键词：链路预测；微博；指数随机图（ERGM）
中图分类号：TP391.4
Link Prediction in Microblog Based on Exponential
Random Graph Model
Huang Hao, Zhang Chuang, Wu Ming, Gao Yasi
(Pattern Recognition and Intelligent System (PRIS) Lab, Beijing University of Posts and
Telecommunications, Beijing 100876)
Abstract: Link prediction is to predict the possible links between nodes, according to the
information existed in the network. Microblog, a new-style social networks developed rapidly, is
gradually becoming a tie connecting peoples in the virtual world. For Microblog, link prediction
and recommendation between people and people may enlarge the community of social interaction
and highlight Microblog’s effect in communication. Traditional methods of link prediction are
appropriate for all kinds of networks, but ignore the interaction of people in social network. In this
paper, the features of social network are fully considered. A sociological model: Exponential
Random Graph Model (ERGM) has been introduced in link prediction for Microblog.
Synthesizing the data of user info and network topology, a link prediction model has been
established, training the model by some statistics of network, simulating the prediction network
for link prediction.
Keywords: Link Prediction; Microblog; Exponential Random Graph Model (ERGM)
0 引言
微博作为一种新兴的网络社交平台，正在世界范围内兴起。它包含数亿用户构成的网络，
每一个节点代表网络中一个虚拟的个人，包含了人物的社会关系以及社会属性，是一种网络
虚拟现实。
Twitter 作为微博的创始，在全球拥有超过两亿的用户，不同领域、阶层的个人通过微
博发表信息，与他人建立关注、被关注的关系，同时通过评论、转发微博和他人进行信息交
流。针对 Twitter 的研究从其诞生之初即开始。JAVA 等人[1]研究 Twitter 的网络分布、用户
增长情况，并总结出用户使用 Twttier 的动机；Yang 等人[2]对 Twitter 中信息的传播方式、
速度、范围等进行了研究；同时 Sitaram 等人
