本论文研究基于节点相似性的链路预测(Link Prediction),网络中的链路预测既包含对未知链接(记录网络过程中遗漏或被隐藏的边)的预测,也包含对未来链接(未来很有可能存在的边)的预测.针对链路预测的方法及应用,我们基于节点对相似性提出了两个新的局部相似性指标;随后考虑链路预测对重要连边的预测功能,我们将链路预测可指导重要连边的思想运用到崩溃网络的恢复过程中.受网络社团结构的启发,本文首先提出一个新的局部相似性指标——局部社团结构(Local Community Structure)指标,简称为LCS指标.在已知网络局部信息的前提下,LCS指标刻画了网络中任意两个节点间的共同邻居节点与这两个节点的聚集关系.在基于真实网络的实验中,我们计算并比较了CN、AA、RA和LCS四个指标在7个不同真实网络中的AUC值.我们发现,在簇系数较大的网络中,LCS指标的预测精确度要优于其他三个指标.在上述LCS指标的构建基础上,本文借助节点的邻居节点与另一个节点之间的紧密程度来定义两个节点间的相似性,提出了CS指标.该指标结合以往指标的思想和技巧,通过数据实验显示,它在大多数真实网络中可达到比其他指标更高的预测精确度.链路预测算法不仅可以用于预测网络中缺失的连边,也可以用于探索网络中隐藏的链接以及重要的链接.对网络中重要链路的探索研究,本文主要以电力网络的实际背景为主,在大规模瘫痪状态下的电力系统的恢复过程中,网络中的一些特殊连边起到了关键作用,这也是本文提出的基于异常链路分析的网络重构策略的主要思想.通过链路预测算法对网络中真实存在的连边进行异常度排名,以优先恢复异常度高的电源节点为目标,建立骨架网络恢复策略,然后根据链路的重要性进行骨架网络之外的线路的修复.这样不仅可以快速连通电源发电机,也能及时恢复重要线路,具有实际意义.