链路预测是复杂网络研究中的一个重要内容,传统的静态链路预测方法忽略了网络演化的时间特性,而时序链路预测可以利用历史网络的一些信息,更好地做出预测。首先,本文基于局部随机游走的静态链路预测方法,针对无权无向网络中的时序链路预测问题,提出一种时序随机游走方法,主要思想是利用时间和网络拓扑信息,将每一时刻下网络的马尔科夫概率转移矩阵组合到一个变换矩阵,然后应用局部随机游走方法获得最终的预测结果。本文在两个真实网络数据集上进行实验验证,结果表明本文算法能有效提高链路预测精度。其次,本文介绍了一些加权相似度指标,将提出的时序随机游走方法修改成加权形式的,并应用到加权网络中。本文通过实验对比静态链路预测算法在加权网络与无权网络中的性能,发现有小部分算法在加权网络中的性能还不如在无权网络中的性能好,由此本文联想到弱链接理论,并对这个理论加以分析。另外,本文通过实验分析了修改后的时序随机游走算法在加权网络中的表现。实验结果表明,修改后的算法在加权网络中的预测精度有所提高。