1、現實世界中，許多的社會、生物和信息系統(tǒng)都可以用網絡很好的抽象描述。通過網絡中的結點來表示個體，用邊來表示結點之間的關系或者交互。近年來，隨著信息技術的發(fā)展，在線社交網絡越來越流行。社交網絡作為Web2.0的一種典型應用，利用互聯網平臺，提供了人與人之間交互的新方式，并通過用戶之間的鏈接，為信息的分享與交流提供了新的途徑。
　　社交網絡隨著時間會不斷發(fā)生變化，如何利用現有的信息有效預測網絡中新鏈路的產生，不僅是網絡分析中的一個基礎問

2、題，也是如今流行的商業(yè)社交網站的重要應用。在社交網絡中，通過有效的鏈路預測算法，可以更好的理解社交網絡中用戶之間產生關系的原因，并用預測結果對整個網絡中的用戶結點篩選，從而給用戶推薦感興趣的信息?，F有的鏈路預測算法，主要關注網絡的結構特征，不能很好的描述用戶本身的興趣和特征。本文對社交網絡中鏈路預測問題進行了研究，主要工作和貢獻如下:
　　1)利用有監(jiān)督的隨機游走算法計算網絡中結點間產生鏈接的概率，從而進行top-K推薦。在該算法

3、中，把結點和邊的屬性等特征以加權的方式作為網絡中邊的強度，在該轉移概率的指導下在社交網絡中進行隨機游走得到用戶間產生新鏈接的概率。論文選取了用戶結點屬性，以及用戶之間交互等的數據作為特征，并對相關特征進行了分析。
　　2)在社交媒體內容主導的網絡中，用戶的興趣會在很大程度上影響用戶之間鏈接的產生。通過分析用戶的行為數據，對用戶興趣建模，找到在網絡中與用戶興趣相似的候選用戶集合。這樣，通過對所有結點進行預過濾，不僅能夠找到用戶興趣相