作为复杂网络的一种,社会网络的应用变得越来越普及。社会网络中的链接预测是最近几年社会网络分析的一个引人注目的研究热点。链接预测的目的旨在寻找那些实际存在,但是由于某种原因被隐藏了的链接,或者是那些目前阶段尚不存在,但是将来不久即将出现的链接。对它的研究能够协助人们认识网络的结构及其演化机制,寻找网络中组织或个人之间的潜在关系。链接预测目前已被广泛应用于电子贸易、朋友推荐、生物信息学等很多应用领域当中,因此对社会网络链接预测问题的研究有着重大的现实意义。现有的链接预测经典算法主要采取社会网络的拓扑结构作为链接预测的评估标准,然而它们一般都仅使用到网络拓扑结构的局部特性,未能对其进行全面充分的利用,致使预测的准确率受到影响。比如优先链接算法只利用了节点度数信息这一简单节点局部信息,却忽略了其他影响因素。还有一些算法尽管在预测效果方面令人满意,但其计算量庞大,执行过程复杂,不适合应用到规模较大的社会网络中去.针对以上问题,本文首先根据节点局部信息对邻居节点的连边赋予权值,提出基于邻居节点关系权重的链接预测算法。该算法不仅保证了良好的执行效率,还能够取得更为准确的预测效果。然后分析社区结构和链接预测的关联性,考虑了共同邻居在社区中的不同位置对两节点产生链接的影响,并对不在同一个社区中的连边定义不同的权重。最后把共同邻居节点扩展为共同邻居社区,提出基于邻居社区关系权重的链接预测。本文通过实验对基于邻居节点关系权重的链接预测算法的实用性和有效性进行验证,并与经典的链接预测算法的执行效果进行了性能分析和比较,实验结果表明本文提出的算法在保持相对较低的时间复杂度的基础上,其预测的准确率能够得到进一步提高,实现了预测效果和执行效率之间冲突上的平衡。