1、復(fù)雜網(wǎng)絡(luò)的鏈接預(yù)測(cè)是數(shù)據(jù)挖掘與復(fù)雜網(wǎng)絡(luò)的一個(gè)交叉性的研究方向，在生物信息學(xué)、人類社交網(wǎng)絡(luò)、交通網(wǎng)絡(luò)等方面都有重要的應(yīng)用。鏈接預(yù)測(cè)是根據(jù)網(wǎng)絡(luò)中已知的節(jié)點(diǎn)屬性和結(jié)構(gòu)等信息預(yù)測(cè)兩個(gè)節(jié)點(diǎn)之間存在鏈接的可能性，目前鏈接預(yù)測(cè)研究的熱點(diǎn)方向是基于相似性的算法研究，這類研究的重要前提是網(wǎng)絡(luò)中兩個(gè)節(jié)點(diǎn)之間的相似程度越高，則兩者越有可能產(chǎn)生鏈接。基于相似性的鏈接預(yù)測(cè)算法能較為充分地利用節(jié)點(diǎn)的屬性信息及網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)信息，計(jì)算時(shí)間復(fù)雜度低，相對(duì)容易實(shí)現(xiàn)，適用

2、于大規(guī)模網(wǎng)絡(luò)，且可以獲得較高的預(yù)測(cè)準(zhǔn)確率。
　　然而，目前的幾種針對(duì)無(wú)權(quán)無(wú)向網(wǎng)絡(luò)鏈接預(yù)測(cè)的經(jīng)典算法運(yùn)用的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)信息有限，大多是從被預(yù)測(cè)的兩個(gè)節(jié)點(diǎn)的共同鄰居出發(fā)，只考慮被預(yù)測(cè)的兩個(gè)節(jié)點(diǎn)共同鄰居的個(gè)數(shù)和單個(gè)共同鄰居節(jié)點(diǎn)的特征，并未深入研究鄰居節(jié)點(diǎn)之間的相互關(guān)系對(duì)預(yù)測(cè)結(jié)果的影響。針對(duì)這一問(wèn)題，本文在已有的相似性指標(biāo)的研究基礎(chǔ)上，提出了一種新的鏈接預(yù)測(cè)算法一基于局域路徑上的節(jié)點(diǎn)引力算法（Individual Attraction B

3、ased on Local Path Index，IALP），該算法不僅利用了共同鄰居節(jié)點(diǎn)和間接鄰居節(jié)點(diǎn)的度數(shù)信息，而且考慮了鄰居節(jié)點(diǎn)集合中各節(jié)點(diǎn)關(guān)系的緊密程度。實(shí)驗(yàn)表明IALP算法能夠提高鏈接預(yù)測(cè)的準(zhǔn)確率。
　　此外，近年來(lái)，越來(lái)越多對(duì)真實(shí)網(wǎng)絡(luò)的實(shí)驗(yàn)研究表明，利用簡(jiǎn)單的無(wú)權(quán)無(wú)向網(wǎng)絡(luò)來(lái)刻畫(huà)真實(shí)網(wǎng)絡(luò)的結(jié)構(gòu)是遠(yuǎn)遠(yuǎn)不夠的，許多重要的信息，如鏈接的強(qiáng)度、類型等，因僅考慮拓?fù)浣Y(jié)構(gòu)而被忽略，加權(quán)網(wǎng)絡(luò)能更為全面深刻地刻畫(huà)真實(shí)的網(wǎng)絡(luò)體系。因此，本