王润芳，陈增强,2，刘忠信,2

（1. 南开大学 人工智能学院，天津 300350; 2. 天津市智能机器人重点实验室，天津 300350）

现代社会中的信息呈爆炸式增长，使得社会系统极具复杂性。研究表明，各种系统之间的交互信息可以通过对应的复杂网络表示，其中，网络中的节点代表系统中的个体，连边代表个体之间的关系[1]。网络科学是专门用于研究各种复杂网络系统的定性和定量规律的一门交叉学科[2]。然而，由于隐私政策和个体设置等原因，实际获取的网络连边信息往往是不完整的，加大了网络科学研究的难度。链路预测能够对缺失信息进行还原和预测，是网络科学研究的有力辅助工具，具有重要的理论研究和实际应用价值。一方面，链路预测可以帮助人们理解各种复杂网络的演化机制[3-4]，为不同演化模型的优劣比较提供统一平台；另一方面，链路预测的结果可以指导生物网络中的实验，降低实验成本并提高准确率，还可以建立网络中的推荐系统[5]。

网络中的链路预测，是指如何根据网络中已知的节点和结构信息，预测网络中尚未产生连边的两个节点之间产生连接的可能性[6]，包括未来链接和未知链接的预测，常用的方法可分为两大类：基于相似性的方法和智能方法。

基于相似性方法的一个基本假设是：两个节点越相似，在未来连接的可能性越大，而节点的相似程度可通过相似性指标量化，即根据相似性指标计算相似性得分，得分越高，两个节点越相似。……