在大数据时代,出现了大量社交网络、购物网络等复杂信息网络,这也给网络建模分析提出了新的挑战。传统的建模方式是把网络抽象成单一类型的节点集合,这种方式已经无法满足当下的大规模复杂网络。在此背景下,对异质信息网络建模的需求越来越多。异质信息网络蕴含丰富的语义信息和多样的结构关系,许多传统的网络分析方法不再适用。链路预测作为网络分析和数据挖掘的一个重要领域,建模方式的改变给链路预测带来新方向的同时也因其复杂的网络结构增加了研究难度。同时,随着数据挖掘和数据分析被应用到各个行业,数据展示平台的需求市场越来越大。虽然许多展示平台的底层逻辑相近,但仍需要重复的开发,甚至对模块的扩展也需要开发人员对整个系统进行开发、测试、维护,这样会增加后期维护成本。针对以上问题,本文做了以下研究工作:第一,提出了基于异质信息网络表征的链路预测算法(RLLP)。该方法通过基于元路径的随机游走对网络进行特征采集,再通过异质网络的表征方法将节点转换成低维空间向量,最后根据向量相似性进行链路预测。第二,本文将该算法在IMDB数据集上进行测试,实验结果表明,这种基于网络表征学习的链路预测方法是有效的,对各种类型的链接的预测准确率均有所提升。第三,基于RLLP算法实现了一个用于数据分析和辅助决策的平台。该平台分为编辑平台和展示平台,管理者可通过编辑平台对展示内容和布局进行编辑修改,展示平台负责数据展示。最终实现了一个可编辑、可扩展的决策平台。