在现在的电子商务网站与社交媒体中,个人信息数据以一种势不可挡的姿态大量迸发,同时也使得用户在使用电子商务或社交媒体服务中获取的信息缺少个性化特征。对用户的个性化链接预测方法的研究应运而生。个性化链接预测是指根据用户对某一个主题的喜爱程度来对用户之间未来可能的关系或者用户与产品之间的可能链接关系进行预测。但是现有的方法大多是针对在一个社会网络中相似性的网络结构进行一个潜在关系的预测,忽略了节点本身具有的大量文本内容,同时也忽略了这些内容往往具有随时间而改变的特性。传统的链接预测方法没有解决上述情况,导致了链接预测的结果不够准确。针对以上问题,本文研究了一种在社会网络中的基于主题的动态链接预测方法,论文的主要研究工作和创新点包括下面几个内容:首先,给出在社会网络上基于主题的链接预测问题的定义以及相关概念描述,并进一步给出基于主题的动态链接预测的问题定义和形式化描述。为后续社会网络中节点间的潜在的链接关系预测打下基础。然后,研究并实现一种基于主题的动态链接预测方法DLPMT,该方法包括两部分。第一部分是提出一种动态主题发现方法TDFM,主要是针对社会网络中不同时间片的用户之间的链接关系与文档之间的链接关系,挖掘出用户关于时间演变的主题分布,得到用户的动态主题分布。第二部分是用户之间潜在链接关系的预测算法。该部分是在第一步挖掘出的用户主题分布基础上,进行用户主题兴趣向量的相似度计算,得到用户之间可能存在潜在链接关系的可能性的排序,排在最前面的关系即为最可能的链接关系。DLPMT保证了获取的用户的主题属性具有最新的时间,因而提高了链接预测的准确性。最后,设计和实现实验,采用引文数据集(Citation)和Twitter两个网络的数据集,进行实验结果的对比分析讨论,验证上述方法和模型的正确性和可行性。