鏈接預測是尋找社會網(wǎng)絡中隱藏的和未來可能出現(xiàn)的鏈接，它對于分析社會網(wǎng)絡具有重要意義。本文在對現(xiàn)有社會網(wǎng)絡鏈接預測研究的基礎上，分析了社會網(wǎng)絡鏈接預測算法中的多維相似度屬性，并把鏈接預測問題轉(zhuǎn)換為分類問題，嘗試使用機器學習的方法解決社會網(wǎng)絡鏈接預測問題，最終通過實驗得到驗證，相似度屬性特征對鏈接預測具有較高影響力，鏈接預測問題可以轉(zhuǎn)化為分類問題通過機器學習算法得到解決。

　　復雜網(wǎng)絡研究是眾多科學領域的一個重要分支，大量的學者致力于研究網(wǎng)絡的特征、演化過程、拓撲結(jié)構(gòu)與功能之間的關(guān)系。其中，社會網(wǎng)絡分析近年來成為復雜網(wǎng)絡分析中一個新的非常重要的研究方向，尤其隨著多種社交媒體的產(chǎn)生與發(fā)展繁盛，社會網(wǎng)絡分析對于研究事件演化、信息推薦、輿情管控等都具有重要的作用。社會網(wǎng)絡中的鏈接預測主要是通過網(wǎng)絡的已知信息，預測沒有鏈接的兩個節(jié)點發(fā)生鏈接的可能性，這種鏈接關(guān)系可能是已經(jīng)存在但尚未被發(fā)現(xiàn)的，也可能是目前不存在，但是在不久的將來非常可能發(fā)生的。社會網(wǎng)絡實體之間的關(guān)系分析對事件發(fā)展具有極其重要的作用，因而鏈接預測在現(xiàn)實世界中具有非常廣泛的應用性，比如社交網(wǎng)絡中的好友推薦，電商中的商品推薦，社會安全中的實體識別等等。

?

　　鏈接預測作為社會網(wǎng)絡分析的一個重要研究方向，是一個交叉學科問題，涉及社會學、系統(tǒng)學、圖形學等等，逐漸發(fā)展成為國內(nèi)外學者的研究熱點。經(jīng)典方法都是將社會網(wǎng)絡看作是一個節(jié)點和關(guān)系的集合，網(wǎng)絡中的每個節(jié)點對應一個實體，每條邊對應著用戶之間的一種關(guān)系，鏈接預測就是基于這些實體和關(guān)系的特征進行。為了實現(xiàn)快速的關(guān)系預測，如何綜合社會網(wǎng)絡中的多維特征是研究者們一直在探索的問題。本文提出的基于多維相似度屬性的社會網(wǎng)絡鏈接預測算法，就是要分析社會網(wǎng)絡中節(jié)點和邊的多維相似度屬性，通過機器學習的方法，實現(xiàn)對社會網(wǎng)絡有效的鏈接預測。