随着互联网的发展,复杂网络越来越受到关注.作为复杂网络的重要研究内容之一,链路预测在许多领域都有广泛的理论价值和实际应用.本文提出了四种基于社区信息与节点重要性的链路预测算法.具体工作包括:（1）在社区硬划分的基础上提出了一种社区软划分方法,并结合统计推断等数学工具给出了一种链路预测算法；（2）对网络节点的微观信息（邻居）与中观信息（社区）进行整合,并应用极大似然估计等概率方法,将其量化为节点间连边的概率,进而提出了一种双尺度的链路预测算法；（3）对规模较小的网络,提出了一种基于节点宏观重要性指标（介数）的链路预测算法；（4）通过全局优化方法将网络映射到欧氏空间,将网络的几何信息（节点间欧氏距离）与局部拓扑信息（节点度）整合为节点间连边的概率,并提出一种链路预测算法.　　实验表明,基于社区软划分的链路预测指标（算法1）较基于硬划分的指标预测效果有所提高,这也表明软划分所给出的重叠社区结构更切近实际；所提出的双尺度链路预测指标（算法2）的预测效果较单个指标有所提高,这表明真实网络的连边机理具有微观与中观的多尺度性质；基于节点宏观重要性的链路预测指标（算法3,4）的预测效果较典型的链路预测算法（例如,公共邻居指标）有所提高,这表明网络的宏观信息（最短路径,几何距离）在连边机理中也具有一定的作用.