真实世界中不同的实体之间互相连接形成信息网络。在对信息网络的研究中,链路预测作为一个重要的方向,已经取得了丰硕的研究成果。但是传统链路预测算法主要是对两个节点之间是否存在链接进行预测,而现实世界中许多网络的链接关系可能存在于多个节点之间,因此超链路的概念被提出。超链路是一组包含有任意数量的同种或不同类型的节点,这些节点连接在一起形成一个多路径关系。所以超链路预测问题是对多个节点之间的关系进行预测,它打破了链路预测仅限于节点对之间预测的限制,能够预测出网络中丰富而多元的信息,因此对超链路预测问题的研究是十分有必要的。现有的超链路预测方法常常是根据整个网络中超链路的相似性来进行预测,若某一类超链路数量较多或者某类超链路之间的联系较其他类的关系更加密切,掩盖了其他类超链路的信息,那么预测出来的超链路种类偏向于这类数量较多的超链路,忽略了观察样本数量不足的超链路蕴含的信息,不能很好的体现出网络的全貌。例如若食谱网络中偏辣的食谱较多,那么预测出来的食谱也是偏辣的,其他的口味的食谱信息会被掩盖,不能预测出来。本文针对现有超链路预测方法的不足,提出了基于聚类的超链路预测方法。首先使用聚类算法对观察到的超链路进行聚类,然后对每一个簇分别建立超链路预测模型。即使某类别观察到的超链路数目较少,但是只要形成了簇,在该簇上就能得到预测结果。这种方式可以充分利用各个簇的观察样本所蕴含的信息,保证预测结果覆盖全面。本文的主要工作如下:(1)对超链路进行聚类。由于超链路形成的矩阵维度大,传统的聚类方法不便于对其进行聚类,所以本文使用非负矩阵分解对超链路矩阵进行分解,用低维的特征矩阵表示超链路矩阵,然后再使用K-means算法对低维矩阵进行聚类。最终得到的各个簇内的超链路具有较高的相似性,簇间的超链路具有较低的相似性。(2)提出了基于聚类的超链路预测算法。对聚类获得的每个簇分别建立超链路预测模型,充分利用各个簇的观察样本所蕴含的信息,保证预测结果能够覆盖整个网络,克服预测结果种类不全面,同时缩短预测时间。(3)本文使用三个真实数据集对所提方法进行了实验验证。从预测的准确性,预测结果覆盖的种类和算法的执行效率三个方面考察了基于聚类的超链路预测算法的效果和效率,并与其他超链路预测算法的结果进行了比较。结果表明基于聚类的超链路预测算法具有较好的性能。(4)基于C#语言和MVC逻辑设计并实现了基于聚类的超链路预测的原型系统。该系统直观呈现三个模块即数据预处理模块、超链路聚类模块和超链路预测模块,较为完整的还原了本文所使用的方法。