近年来,社交网络极大发展,已经成为人们现实生活中不可缺少的一部分。社交网络图结构信息挖掘成为热门研究问题。为了让社交网络信息传播更广泛,更频繁,我们需要增加网络的链接数,一个很重要的问题就是为用户推荐他可能关注的用户。现在有很多关于静态图节点的低维表示(图嵌入)的研究,在链接预测上取得不错的效果。然而,现实生活中的图大多数是动态的,带有时间戳信息。本文首先介绍了前人在社交网络链接预测上所用到的各类方法,提出了多层级联的内容和兴趣注意力模型CIGAT(Contents and Interests Graph Attention model),挖掘用户不同方面的特征,更好地推荐用户。然后在此基础上,引入建立关系的时间戳信息,提出了时间影响的多层级联内容兴趣注意力模型CIGTAT(Contents and Interests Graph Time-aware Attention model),来更好地学习用户之间内容和兴趣的影响,兼顾用户长期兴趣与短期兴趣,实现更好地链接预测,从而更好地为用户推荐用户。