鏈接預測是尋找社會網絡中隱藏的和未來可能出現的鏈接，它對于分析社會網絡具有重要意義。本文在對現有社會網絡鏈接預測研究的基礎上，分析了社會網絡鏈接預測算法中的多維相似度屬性，并把鏈接預測問題轉換為分類問題，嘗試使用機器學習的方法解決社會網絡鏈接預測問題，最終通過實驗得到驗證，相似度屬性特征對鏈接預測具有較高影響力，鏈接預測問題可以轉化為分類問題通過機器學習算法得到解決。

　　復雜網絡研究是眾多科學領域的一個重要分支，大量的學者致力于研究網絡的特征、演化過程、拓撲結構與功能之間的關系。其中，社會網絡分析近年來成為復雜網絡分析中一個新的非常重要的研究方向，尤其隨著多種社交媒體的產生與發展繁盛，社會網絡分析對于研究事件演化、信息推薦、輿情管控等都具有重要的作用。社會網絡中的鏈接預測主要是通過網絡的已知信息，預測沒有鏈接的兩個節點發生鏈接的可能性，這種鏈接關系可能是已經存在但尚未被發現的，也可能是目前不存在，但是在不久的將來非常可能發生的。社會網絡實體之間的關系分析對事件發展具有極其重要的作用，因而鏈接預測在現實世界中具有非常廣泛的應用性，比如社交網絡中的好友推薦，電商中的商品推薦，社會安全中的實體識別等等。

?

　　鏈接預測作為社會網絡分析的一個重要研究方向，是一個交叉學科問題，涉及社會學、系統學、圖形學等等，逐漸發展成為國內外學者的研究熱點。經典方法都是將社會網絡看作是一個節點和關系的集合，網絡中的每個節點對應一個實體，每條邊對應著用戶之間的一種關系，鏈接預測就是基于這些實體和關系的特征進行。為了實現快速的關系預測，如何綜合社會網絡中的多維特征是研究者們一直在探索的問題。本文提出的基于多維相似度屬性的社會網絡鏈接預測算法，就是要分析社會網絡中節點和邊的多維相似度屬性，通過機器學習的方法，實現對社會網絡有效的鏈接預測。