随着预印本网络在学术界的流行,在预印本网络上进行合作者推荐、期刊推荐等关系预测具有实际的应用需求。然而,预印本网络本身拥有的信息比DBLP等经典的文献网络少很多,如果直接在上面进行关系预测任务时,受信息稀疏性影响明显。由于预印本网络与其它经典文献网络间存在不少共享实体,所以如果能通过这些共享实体获取外部经典文献网络的信息支撑,将有助于降低信息稀疏性影响而提升关系预测准确性。为此,本文以文献网络的跨网络关系预测问题为研究目标,以预印本网络和DBLP网络为具体研究对象,将其中涉及的关系预测分为三种类型:单文献网络节点间关系预测,多文献网络间对齐节点间关系预测和跨文献网络节点间关系预测,并对每一种类型的关系预测提出了相应的解决机制,最终结合时间因素,实现了一个对齐文献网络中具有时间感知的跨网络关系预测模型。首先,针对单文献网络节点间的关系预测问题,本文基于将节点相似度作为节点间关系概率的基本思路,针对如何有效度量异构文献网络中节点间相似性的核心问题,采用网络表示学习的方法将文献网络中的节点嵌入到一个低维空间后计算节点相似度,同时提出了一种基于元结构的网络表示学习模型MSNRL。其次,针对多文献网络间对齐节点间关系预测问题,本文提出了基于哈希的锚链接预测模型HALPM。该模型以结构特征和属性特征融合的节点特征表示为基础,采用通过局部敏感哈希构建了锚链接预测的稀疏加权二分图,然后根据边界约束、平衡约束、最大相似度优化函数来修剪冗余链接,最终预测的锚链接集合,从而将多个文献网络关联在一起,为跨文献网络关系预测提供重要基础架构。最后,针对多文献网络间关系预测的问题,本文将对齐后的网络作为跨网络关系预测的基础架构,并以信息完备度弱的网络为目标网络,以信息完备度高的网络定义为源网络,结合随机游走策略和锚节点下的节点相似度迁移策略实现了从目标网络节点到源网络节点的跨网络关系预测模型。进一步地,针对时间因素,引入时间感知矩阵,结合网络的拓扑结构信息、节点的语义信息及时间因素,得到最终的跨文献网络关系预测。一系列的验证实验证明,本文的方法通过元结构、随机游走策略、时间感知矩阵,将异构文献网络中的网络拓扑结构信息、节点语义信息和时间因素有机地结合在一起,不仅可以实现高质量的网络内节点间关系预测,还能通过锚节点对齐实现跨网络关系预测。