目前,网络节点预测的相关研究主要集中在两个方面:一是对网络中“源头节点”的定位;二是对“隐藏节点”的发现,而缺少关于新生节点预测方向的研究。针对该现状,本文通过采集期刊上面的论文及对应的关键词信息,构建了论文-关键词二分网络作为数据集,然后将二分网络加权投影为关键词关系网络,并在该网络上利用关键词组合情况预测新论文节点的产生。主要研究内容如下:(1)关键词节点间的相互影响可分为两种:一种是相似性,用来表示关键词共同出现的可能性,本文在关键词加权网络上假设信息以随机游走方式传播,对双向信息传播量取几何均值来表达节点间相似的平均强度,构建了利用几何均值的局部随机游走指标(Local Random Walk using Geometric Mean,LRWGM),并利用该指标进行新生论文节点预测实验,结果表明该方法比传统方法更有优势;(2)另一种是提出的节点互斥性(Mutual Exclusion,ME),可用于描述关键词共同出现的困难程度,如内涵高度一致的两个关键词极少同时出现,文中用两个关键词共同出现次数与两个关键词平均出现次数的背离程度来度量,有助于更全面地描述节点间相互影响关系;(3)在同时考虑节点相似性和互斥性情况下,本文认为相似性大于互斥性的节点间存在更为紧密的关系,并以该条件作为选取关键词组合的重要依据,基于二分网络构建了引入互斥性的节点预测算法(Node Prediction with Mutual Exclusion,NPME),与仅依靠相似性指标的节点预测算法做对比实验,结果表明该方法能够更准确地预测新生论文的产生。