1、近十年來，隨著社交網絡的急劇發(fā)展，研究社交網絡中用戶以及用戶之間的關系構成的復雜網絡是面臨的新問題。推薦系統(tǒng)的誕生雖然一定程度緩解了社交網絡的信息過載和信息迷茫，然而，社交網絡中的推薦系統(tǒng)和傳統(tǒng)的推薦系統(tǒng)不同。傳統(tǒng)的推薦系統(tǒng)只注意數據實體自己，而社交網絡推薦系統(tǒng)對數據實體之間的連接同樣關注。社交網絡與傳統(tǒng)靜態(tài)網絡不同，它是一種動態(tài)網絡，伴隨著時間的變化，網絡中不停的有新的實體和連接加入，也不停的有老的實例和連接消逝，這種動態(tài)變化的性質決

2、定了社交網絡的研究與傳統(tǒng)靜態(tài)網絡的研究會存在很大差異。鏈路預測在這種背景下應時而生，社交網絡中的鏈路預測是指通過已獲悉的網絡用戶節(jié)點、拓撲結構等多種信息，預測社交網絡中沒有產生連接的兩個用戶節(jié)點之間產生連邊的概率。顯然，只要預測的精度足夠高，必然會提升用戶對社交網站的滿意度和忠誠度。鑒于社交網絡的復雜現(xiàn)狀，本文針對社交網絡，建立基于鏈路預測的社交網絡推薦系統(tǒng)模型，研究了影響用戶之間相互關系的一些因素，提出了基于結合算法的鏈路預測方法。<

3、br>　　首先，總結網絡平均路徑長度、聚類系數、度分布理論等基本性質的基礎上，基于圖論的相關思想，將鏈路預測引入社交網絡中，構建基于鏈路預測的社交網絡推薦系統(tǒng)模型。對常見的基于節(jié)點接近性的鏈路預測方法、基于釋然分析的鏈路預測以及基于概率的鏈路預測三類鏈路預測方法進行詳細介紹。
　　然后，在比較頂點度特征、優(yōu)先鏈接特征、共同鄰居特征（Common Neighbors，CN）、Adamic-Adar指標等多種基于網絡拓撲結構的指標的基

4、礎上，選擇基于共同鄰居的接近性方法作為網絡拓撲結構接近性的基準方法；并且，將每個新浪微博用戶的節(jié)點屬性劃分為背景信息、社交信息、微博文本、交互信息四類，通過分析篩選出具有代表的4種節(jié)點屬性指標，在此基礎上定義了基于用戶粉絲數量、關注用戶數量、用戶所發(fā)微博數量、轉發(fā)數量四種微博用戶屬性的接近性算法；
　　最后提出了一種結合用戶屬性特性和網絡拓撲結構的社交網絡鏈路預測方法——結合算法，將基于網絡結構特征的CN指標和其他四個基于微博用戶