随着社会的飞速发展,社会网络分析成为了新的研究热点。作为社会网络分析的研究任务之一,链接预测根据已有的网络结构和节点信息,预测两个没有链接的节点是否存在关系。它的研究对象涉及到很多种社会网络,包括近几年发展的社交网络,以及科研合作网络、商业合作网络。链接预测可以应用于好友推荐、社区发现、商业决策等一些领域,并发挥着重要的作用。因此,它具有很强的理论和应用研究意义。目前,基于节点相似性的链接预测算法是通过计算节点的相似性分数值,判断节点之间是否存在着链接。然而已有算法只考虑网络中邻居节点的个数,没有考虑邻居节点之间的关系,导致对网络中节点预测的不准确。本文在已有算法的基础上,深入的分析节点相似性的计算,根据社会网络的结构特征,以及不同节点之间的关系,分析节点之间的关系对被预测节点形成链接的影响,利用网络的节点信息,提出一种基于节点相似性的链接预测算法。算法首先考虑被预测节点的邻居节点,将邻居节点分成共同邻居节点和其它邻居节点;将共同邻居节点与其它节点之间的边赋不同的权值,定义邻居节点的权值,并给出权值计算公式;其次,将所有共同邻居节点的权值进行累加,得到两个节点的相似性分数值;最后,通过计算被预测节点的相似性分数值并对分数值进行排序,判断节点之间存在链接的可能性,给出链接预测结果。最后,使用通用的社会网络数据集,对本文提出的算法和已有三种链接预测算法进行对比实验,并采用两种指标评价算法,实验结果表明,算法的预测准确率高于已有三种的链接预测算法,同时算法保持了较低的时间复杂度。