随着人工智能科技的不断发展,在线互联网技术加速了社交网络应用的普及,该网络中包含巨大数据量,也包含有价值的数据信息以及网络拓扑结构特征,其中人物个体信息和个体之间的关系是社交网络的重要组成部分,但怎样在海量的数据中发现有用信息并预测出网络中的隐含链接成为当前的重要研究课题,因此针对社交网络的信息分析成为热点。链路预测的主要任务是通过当前网络中已经存在的链路,对未来有可能出现的链路进行预测。社交网络中的链路预测问题,具有很大的实际应用价值,吸引了越来越多研究人员的关注和研究。由于现有的链路预测算法,存在链路加权单一的问题,不能较好地应用于复杂类型的异构社交网络。因此本文针对含权类型的异构社交网络,在构建异构网络结构的基础上,将节点权重的概念引入到用户与用户的链路加权处理中,将用户对位置签到行为的时间影响进行量化,同时对位置与用户链路,以及位置与位置链路进行了加权处理,最后综合提出了基于用户位置的异构社交网络混合加权链路预测算法。此外,根据用户对位置访问的行为关系,将用户对位置签到行为的偏好作为潜在属性,对用户与用户的链路进行偏置加权,提出了偏置加权的用户链路算法。最后,本文选取真实数据集,针对异构网络中混合加权链路预测算法和偏置加权的用户链路算法进行了实验与分析。结果显示,基于用户位置的异构社交网络混合加权链路预测算法预测效果明显,偏置加权的用户链路算法在数据稀疏情况下预测效果明显。