在如今大数据时代,复杂网络作为能够描述个体间相互关系的数学模型,对建立起真实系统的大数据网络具有得天独厚的优势。复杂网络映射旨在将网络数据从高维度的组织结构嵌入到低维度的度量空间中,在保留网络原始重要特征的基础上,揭示网络结构隐含的特征与性质,这对挖掘复杂网络特性和应用具有重要的意义。研究发现,将复杂网络嵌入到双曲空间中,能够揭露复杂网络所呈现出来的拓扑信息。当前复杂网络映射的研究大多是将无向无权的复杂网络嵌入到双曲空间中,而实际的复杂系统还有着权重的信息。针对这种情况,本文考虑了一类节点强度（权重和）跟度具有s kη非线性相关的复杂网络系统,提出了一种在双曲空间上的权重网络生成模型w PSO。通过对真实网络系统进行仿真分析,发现w PSO生成网络具有跟真实系统相近的度分布、强度分布规律,表明该生成模型揭示了上述所考虑的真实复杂网络,并且当权重值全为1的特殊情况时,该模型即为无向无权的PSO网络生成模型。在此基础上,本文提出了一种将该类权重网络嵌入到双曲空间中的映射算法HSS。该算法首先借助网络的层次社区结构信息,基于社区间连边及它们之间的共同邻居社区提出了社区接近性指标NCI,以此确定网络社区在双曲空间中的排列顺序。通过使用节点对之间的强度及它们的共同邻居构造了节点相似性指标WRA,该指标能够反映节点对在双曲空间中的相对角度距离,进而确定节点映射到双曲空间后的双曲角度坐标。实验结果表明,该算法在映射精度、网络导航性以及时间复杂度上都有着优秀的表现。进而,受万有引力模型启发,结合复杂网络双曲映射结果,研究了复杂网络链路预测,结合双曲空间下节点对及其共同邻居间的双曲距离信息,提出了一种基于万有引力模型思想的链路预测指标HDR,并分析了该指标在不同参数下刻画节点对间的相似性表现,进而提出了一种基于链路预测指标HDR的链路预测策略。实验结果表明,在该链路预测策略下,同现有的一些优秀的预测指标相比,HDR在人工网络和真实网络中都具有更好的预测能力,尤其对于低聚类系数的网络其预测表现更加突出。