节点之间的相似性的计算在链路预测、节点聚类、个性化推荐、社团挖掘等方面有着非常广泛的应用。例如在传统网络的链路预测中,基于节点相似性的链路预测不仅计算复杂度低,而且有较好的预测精度。由于便携交换网络(Pocket Switched Networks,PSN)是一种利用人的移动和机会性相遇进行数据交互的延迟容忍网络(Delay Tolerant Network,DTN),因此PSN网络的网络拓扑会随着节点的移动发生变化,并且节点间链路会随着节点的移动频繁的连接或者断开,这使得常用的基于节点局部信息或是基于网络拓扑结构的节点相似性评价方法不能很好的被应用于PSN的链路预测;同时,由于PSN网络中的传感器设备的携带者是人,因此节点的移动和节点间信息的交互具有很强的社会性和规律性。本文从节点携带者的行为模式出发,分析了PSN网络中节点的社会特性和移动规律,并将PSN网络中节点的相似性分为节点携带者社交行为的相似性和移动行为的相似性。一方面,通过统计节点间建立链接的次数和每次链接的时长得出节点间的关系权重,并将节点间的关系权重和传统社交网络的相似性指标结合得出PSN网络中节点社交行为的相似性;另一方面,根据对MIT Reality数据集的研究以及现有的对PSN网络中节点移动规律的研究,通过统计PSN网络中节点之间存在的共同频繁访问区域的次数并将其作为特征向量,基于余弦相似性计算出PSN网络节点间移动行为的相似性。在上述研究的基础上提出一种基于PSN网络节点行为模式的相似性指标,为PSN网络中的链路预测以及消息转发策略提供参考依据。本文采用AUC和Precision作为评价指标,使用MIT Reality和Dartmouth/Campus数据集作为实验数据集,对本文提出的相似性指标的可行性进行了验证;通过设计多组对比实验,验证并找出社交行为相似性和移动行为相似性的结合方式。实验结果表明,和传统的相似性指标如CN,AA,Katz相比在PSN网络中获得了更好的预测效果,并能更真实地反应PSN网络中节点间链路的变化情况。