赵学磊，季新生，刘树新，赵宇

（信息工程大学，河南 郑州 450001）

1 引言

近年来，复杂网络逐渐成为探究真实复杂系统内在机理的抽象化工具，其重要方向链路预测[1-4]得到了研究人员的持续关注。链路预测旨在利用网络中已知信息预测网络中的未知连接[5]、未来连接[6]或错误连接[7]，是复杂网络与信息科学交叉融合的重要桥梁，对研究网络演化[8-11]、未知链路探测[12]等具有巨大的实际应用价值。

当前，针对无向网络的链路预测研究已取得众多成果，吕琳媛[3-4]详细对比分析了各种方法，并将其归类为局部相似性、全局相似性指标。局部相似性指标优势在于计算复杂度低，适用大规模网络。全局相似性指标考虑全网拓扑信息预测精度更高，但会付出较高计算代价。然而，前期研究集中于无向网络，并且现有局部或全局指标均难以直接应用于有向网络的预测。

局部相似性指标以共同邻居[13]（CN，common neighbor）指标最具代表性，因有向网络中连边具有方向性，使无向共同邻居衍生多种异构形式，传统预测方案忽略不同异构形式之间差异，极大降低了有向网络中的预测精度，甚至使预测失去意义。文献[14]研究发现，有向网络存在特殊的互惠机制，即节点倾向于建立反向的连接以回应其他节点对自己的连接，故有向网络中存在部分双向的链接，称之为互惠边，互惠边在促进连边产生时通常比单向连边发挥更大作用，表示节点间具有更为紧密的局部结构，而现有指标仅利用网络单向连边进行预测。……