摘要：在現(xiàn)實世界中,社交網(wǎng)絡的結(jié)構(gòu)并不是一成不變的,而是隨著時間的推移不斷地發(fā)生變化。鏈接預測可以發(fā)現(xiàn)社交網(wǎng)絡中隱藏的和未來可能產(chǎn)生的關系鏈接,這些關系鏈接在很多實際應用場景中得到了廣泛的應用。現(xiàn)有的鏈接預測方法主要針對只具有單個時間節(jié)點的靜態(tài)網(wǎng)絡,較少關注連續(xù)時間節(jié)點的動態(tài)社交網(wǎng)絡的鏈接預測。并且,直接把現(xiàn)有的鏈接預測方法用來對動態(tài)社交網(wǎng)絡的每個時間節(jié)點的整個網(wǎng)絡進行鏈接預測效率較低,不能滿足在大數(shù)據(jù)背景下進行高效的鏈接預測。針對該問題,本文將資源分配算法改進之后,通過增量學習的思想將其引入到動態(tài)社交網(wǎng)絡鏈接預測當中,提出了一種新的鏈接預測算法。該算法不僅僅考慮了公共鄰居節(jié)點的資源分配,也考慮了待預測節(jié)點本身的資源分配。更加符合動態(tài)社交網(wǎng)絡隨著時間變化,待預測節(jié)點本身的鄰居也可能會發(fā)生變化的特點。在數(shù)據(jù)集上進行的仿真實驗得出的結(jié)果證明該算法提高了鏈接預測的時間效率,并且,預測準確率也略有提高。