目的:21世纪以来互联网技术的蓬勃发展使得大量数据逐渐呈指数级爆发增长,数据获取与处理技术也随之愈发成熟,诸如交通网络、电力网络、社交网络等常见真实世界的复杂系统逐渐被科学家们转化为复杂网络的形式进行深入研究。尤其是在近十年,复杂网络技术已逐渐被推广应用到多个学科领域,成为了各学科领域的前沿话题,网络的形成与演化、网络拓扑与功能之间的联系以及网络拓扑结构特征等也成为研究复杂网络理论时需要深入探讨的关键话题。链路预测作为复杂网络技术的核心分支之一,可以根据现有网络拓扑结构预测不相连节点之间未来存在链接的概率,对于揭示复杂网络的演进规律具有重要价值。从网络拓扑和功能之间关系的角度出发可以了解到,链路预测算法的效力在各种网络中具有较大差距,基于这些差异性表现,本研究整合了多个已有链路预测实验的数据,搭建元分析统计检验模型,综合探讨网络拓扑结构如何影响链路预测算法效力这一问题。方法:本研究检索了中国知网（CNKI）、Web of Science、EBSCO、EI、IEEE、Pub Med、Pro Quest、Scopus、Science Direct、斯普林格（Springer）10个数据库中主题为链路预测的相关期刊论文。搭建三水平元分析模型（Three-level Meta-Analysis Model）探讨链路预测算法效力在具有不同拓扑结构的复杂网络间是否存在差异。通过三水平元分析的多因素元回归框架检验影响链路预测算法效力的主要调节变量,在此基础上,利用贝叶斯网络元分析模型进行调节变量的亚组分析,结合累积概率排序情况和SUCRA值探讨调节变量对链路预测算法效力的影响。结果:通过文献检索与筛选,最终共有5篇论文中的22个复杂网络与26项链路预测算法纳入研究,其中共涉及到了278个效应量。元分析统计检验结果显示,三水平元分析的总体平均效应量为MD=1.18（95%CI:[1.00,1.37]）,纳入数据筛选条件的7个网络拓扑结构特征中,有3个参数表现出显著的影响效果(Pval＜0.05)——分别为网络密度、网络平均度和聚集系数。亚组分析结果显示:高平均度对基于网络局部信息的链路预测算法HDI（SUCRA=0.8825）、Salton（SUCRA=0.8286）、HPI（SUCRA=0.6705）和RA（SUCRA=0.6635）具有积极的影响;网络密度是影响PA指标的主要参数,在高水平网络密度（SUCRA=0.6633）与低水平网络密度（SUCRA=0.0241）下表现出较大差异;SRW、LRW、LHN-II、MFI的SUCRA排序值在系数网络中均超过了0.80,表现出强正向的性能;Katz算法在低水平平均度与网络密度的情况下具有强正向性能的积极表现,SUCRA值分别为0.8089和0.8632,聚集系数对Katz算法的影响较小,但在具有高水平聚集系数的网络（SUCRA=0.9063）中表现优于低水平聚集系数网络（SUCRA=0.7523）;低平均度与高聚集系数对LP指标具有中等程度的正向影响,其SUCRA值分别为0.6521、0.7654。结论:三水平元分析结果表明,链路预测算法的效力在不同网络之间表现出较高程度的差别,其中网络密度、网络平均度和聚集系数是这种差异来源的主要影响因素。亚组分析结果表明:在稠密网络中,链路预测算法更多地需要考虑网络局部的信息,使用基于网络局部信息的链路预测算法效力更优;与之相对比,基于准局部信息和基于全局信息的算法更多地考虑了网络的整体结构,在稀疏网络中的作用更显著。