近些年来随着互联网技术的迅猛发展,社交网络逐渐进入人们的视野。学者们对社交网络的研究讨论越来越激烈。链接预测作为社交网络研究问题之一,不但在网络演化研究分析上有很高价值,还在实际应用中发挥出重要的作用。本文对社交网络中链接预测问题进行了研究,主要内容如下:首先,介绍了社交网络链接预测课题的国内外研究现状,分别对图论与网络的关系、网络存储形式以及网络属性进行了介绍和分析,网络属性对研究算法在网络中预测性能有着重要作用。还描述了链接预测定义、研究问题并归纳总结不同类别基于相似性链接预测算法。其次,在基于局部信息算法的基础上提出一种基于紧密度指标算法。针对共同邻居算法只考虑共同邻居节点忽略它们之间关系的问题,提出了紧密度概念。该算法考虑网络节点相互关联程度,对于被预测节点间的关系和共同邻居节点构成的子网络内部的关系分别以两种不同紧密度进行量化。通过紧密度提出基于紧密度的相似性算法以此实现对链接的预测。再次,给出了基于节点贡献度的算法。该算法在CN、RA算法的基础上分析研究,引入节点贡献度概念,分析共同邻居与其信息对预测未知链接的影响。该算法弥补了上述两种算法只考虑单一属性的不足,还更进一步研究邻居数目以及节点信息对被预测节点间的影响力。最后,通过仿真实验验证了本文提出的两种算法的预测性能,并给出和相关经典算法的对比分析。