社会网络中的链接预测是数据挖掘领域的一个重要分支，也是一个社会网络分析的子任务。链接预测的研究内容包括与人们生活密切相关的网络，还包括对科学理论研究有重要意义的网络。链接预测问题有重要的现实和理论研究意义，随着链接概念的提出，链接预测已经成为近年来的研究热点，广泛应用到多种领域中。目前基于相似性的链接预测算法主要利用网络拓扑结构信息进行预测，但是其只利用少量的网络拓扑结构信息，对已知信息利用并不充分，导致预测的准确率偏低。由于经典的基于相似性的共同邻居算法只考虑共同邻居节点个数，忽略了这些节点之间的链接关系，导致无法区分两个具有相同数量共同邻居的节点，相似性的链接预测结果不够精确。针对这一问题本文引入了基于相似性的节点作用系数这一网络拓扑结构指标。节点作用系数是用来衡量一个节点的共同邻居节点之间相互作用的参数，体现网络中共同邻居节点之间关系的紧密程度。以节点作用系数为基础，提出了一种基于相似性的链接预测算法——基于节点作用系数的共同邻居链接预测算法，结合了节点作用系数和共同邻居算法。该算法利用了网络拓扑结构中的共同邻居节点之间的链接信息，使链接预测的准确率有所提高。最后，通过实验验证了本文所提出算法的可行性和有效性，并与几种基于相似性算法进行了运行时间和预测准确率的对比。实验结果表明，该算法提高了链接预测的准确率，运行时间仍与经典算法在相同的数量级内，在预测准确率和计算复杂性之间达到了一定的平衡。