针对社交网络中的好友推荐,我们一般通过运用算法和构建模型来计算和预测社交网络中用户之间的隐藏链接关系,并通过将这种链接紧密度进行降序排列,为社交网络用户推荐他们感兴趣的或可能认识的朋友,并引导他们建立新的好友关系。已有的社交网络中好友推荐方法为我们提供了多种考量用户关系的思路,其中研究最为广泛的是基于用户兴趣偏好的方法,此外还包括基于用户社会影响力的方法、基于用户社会关系的方法、基于好友信任度的方法、基于用户行为的方法和基于地理位置的方法等等。链路预测是复杂网络环境下预测两个节点之间产生链接的可能性的方法,目前已有研究中较多的是将链路预测思想与博客、微博等传统社交网络联系起来,而较少将其与微信这种去中心化的新型社交网络平台相结合。因此,本文采取这一新视角,利用链路预测与微信用户节点之间的关系进行好友推荐研究。本文在对微信的系统框架、功能结构设计、用户的层次关系进行分析的基础上,将微信用户的个人主页、朋友圈、好友分组状况等携带的信息和标签进行聚类和初步排序。然后引入链路预测的思想和方法,将微信用户及用户关系分别看作节点和连边,结合链路预测算法中的节点相似度和节点影响力两个特征,同时借助模糊多属性决策方法中的TOPSIS模型进行矩阵运算,从而构建微信好友推荐模型。本文最后通过实验,利用开源代码抓取了两个微信群中开放了 root权限的用户朋友圈数据,以此作为样本数据集合并用以实验测试,最终得到实验结果。通过分析实验结果可以发现,基于影响力的链路预测算法较其他算法具有更高的准确率,从而验证了基于微信进行链路预测推荐好友的可行性。