随着科学技术的迅猛成长,社会网络分析成为了颇受关注的研究方向。链接预测是社会网络分析中的一个研究方向,依据当前的网络的结构和节点的属性对节点之间是否具有链接进行预测。其研究范畴十分广阔,可以运用于多种社会网络的研究中,而且扮演着日益关键的角色。所以,链接预测有着较强的理论研究价值和现实应用意义。已有的基于节点相似性的链接预测方法利用得到的节点之间的相似度对两者之间是否具有链接进行预测。但是,多数算法仅使用网络中的邻居节点的数目,没有结合邻居节点之间的相互联系的作用,使得到的预测结果不够精确。本文在现有的算法的基础之上,深入地分析节点之间的相似性的度量方式,依据社会网络的结构特性,区分了每个共同邻居节点对链接预测的贡献的差异,提出了节点凝聚力的概念。在节点凝聚力的基础之上,提出了基于局域路径的节点凝聚力的链接预测算法。该算法较为深入地研究了邻居节点之间的相互关系对预测的结果的作用,考虑了路径因素和端点自身对相似性的作用,通过实验结果可以发现,该算法能够提高链接预测方法的准确程度。近年来,大量对现实网络的研究反映出加权网络能更为全面深刻地刻画现实的网络体系。所以,本文同时研究了加权网络中的链接预测方法,将提出的基于局域路径的节点凝聚力算法扩展到加权网络当中,通过实验验证可以看出,考虑权重因素的方法相对于无权的链接预测方法有着更佳的预测效果。