链接预测旨在利用已有网络信息去预测隐藏或未来可能产生的链接。随着研究者们对该方向的深入探索,链接预测研究取得了丰硕的成果,许多研究成果已广泛应用于现实场景中,包括好友推荐、商业营销、网络优化和蛋白质功能预测等,在理论上为理解网络结构的演化提供了新的思路。因此,链接预测研究具有重要的理论意义和实用价值。为了降低链接预测算法时间复杂度并提高链接预测准确度,本文采用两步策略:首先,对基于贪婪优化技术的网络社区发现算法(简称AGSO算法)进行合理的改进,使得社区划分更为稳定。在社区结构的基础上,将全网的链接预测范围缩小为社区规模,能降低链接预测算法的时间复杂度。其次,将复杂交互行为应用到链接预测问题中,通过度量节点之间的交互相似度,能有效提高链接预测准确度。具体而言,本文的主要研究内容如下:(1)针对AGSO算法的不稳定性问题,本文研究并提出了基于度中心性局部扩展的社区划分算法(Community Detection Algorithm Based on Degree Centrality Local Extension,简称DCLE算法)。首先,计算节点的度中心性,将链接两端节点的度中心性之和作为链接中心性,挑选出社区内部链接作为初始种子链接。其次,基于贪婪思想进行局部扩展,快速对网络进行社区划分,为后文链接预测研究奠定基础。最后,实验结果表明,DCLE算法不仅解决了不稳定性问题且能快速而准确地识别出网络中的社区结构。(2)针对链接预测准确度问题,本文研究并提出了基于复杂交互行为的链接预测算法(Complex Interaction Behavior based Link Prediction Algorithm,简称CIBLP算法)。首先,对整个网络进行筛选,挑选出交互最为密切的部分网络数据,构造交互矩阵并对其求解,得到各类交互行为的权重。其次,定义节点之间的交互相似度度量公式,以社区结构作为节点相似度搜索范围,计算社区内部未链接节点之间的交互相似度。再次,将各个社区的节点交互相似度汇总,作为整个网络的链接预测结果。最后,实验结果证实,本文提出的CIBLP算法能准确地对社交网络进行链接预测。(3)为了使CIBLP算法能更简单地应用于现实场景,本文设计并实现了链接预测开放平台。通过对CIBLP算法进行安全地封装,平台向第三方开发者提供门户管理和链接预测功能调用。最后,对链接预测开放平台的操作测试结果表明,链接预测开放平台可靠性和安全性较高,有助于CIBLP算法进一步地推广使用。