王 曦，许 爽，许小可

(大连民族大学信息与通信工程学院 辽宁 大连 116600)

真实世界存在各种复杂系统，如果将复杂系统的主要元素抽象为节点和连边，就可将其抽象为复杂网络，如科学家合作网络[1]、万维网络[2]、社交网络[3]和交通网络[4]等。当网络的某些结构信息缺失时，可应用链路预测[5]方法来分析节点之间不确定的或潜在的链接关系[6]。如在线社交服务中，链路预测可以挖掘社交用户的兴趣并挖掘用户之间的潜在关系，为用户推荐感兴趣的朋友[7]。在蛋白质新陈代谢网络中，链路预测可推断蛋白质之间的交互作用，从而有针对性地进行实验来节约成本[8]。在科学家合作网络中，可以预测科学家的合作模式和强度，对理解科研合作的组织方式具有重要的作用[9]。

链路预测研究中，最经典的方法是节点局部结构的相似性，如共同邻居(common neighbors, CN)、Adamic-Adar 指标[10]、资源分配指标(resource allocation, RA)[11]、局部路径相似性指标[12]及局部随机游走的相似性指标[13]等，但通常不考虑节点之间链接的权重大小。真实复杂系统中元素之间的交互强度往往也蕴含着关键信息，可将其抽象为加权网络进行分析，因此链路预测研究开始重视如何充分利用网络连边的权重信息。文献[14]提出了基于加权共同邻居指标(weighted common neighbors,WCN)、加权Adamic-Adar 指数(weighted Adamic-Adar, WAA)及加权资源分配指标(weighted resource allocation, WRA)等链路预测方法，通过对多个实证网络的研究发现了加权链路预测中“弱链接的强作用”。文献[15]提出了一种基于可靠线路的链路预测方法(rWCN, rWAA, rWRA)，通过对可靠路线赋予更高权重来达到更鲁棒的预测性能。……