为了克服已有链路预测算法准确率低，信息利用率低的不足，本发明提出一种准确率高、预测效果良好的基于二阶局部社团和种子节点结构信息的链路预测方法。

一种基于二阶局部社团和种子节点结构信息的预测网络未知连边的方法，构建网络模型，任取一对未连接节点做为种子节点，记录种子节点的邻居节点数，获取种子节点的一阶和二阶共同邻居节点，这些节点及其之间的连边构成二阶局部社团；记录该社团的节点和连边总数；计算该社团的度系数、边聚类系数、简谐平均距离和二阶局部社团系数；计算节点对之间的相似性分数指标；遍历整个网络，对任意两个未连接节点，计算相应的节点对之间的相似性分数指标，将所有的未连接节点对之间的相似性分数按降序排列，取前m个指标对应的节点对为预测连边。本发明考虑了二阶局部社团和种子节点结构信息，充分利用了网络局部结构信息，预测效果好，准确率高。

社交网络分析领域

用户关系预测：在社交网络平台（如 Facebook、微博等）中，预测用户之间潜在的好友关系或互动关系。通过分析二阶局部社团和种子节点结构信息，可以提前发现用户可能感兴趣的新朋友或者可能参与的社交圈子。例如，对于一个新注册的用户，根据其已有的少量好友关系和这些好友所在的社团结构，预测该用户可能会加入的其他社交群体，从而为社交平台提供精准的好友推荐服务。

信息传播分析：有助于理解信息在社交网络中的传播路径。通过预测未知连边，可以估计信息从一个用户群体传播到另一个群体的可能性，这对于社交媒体的营销活动、热点话题的传播监控等方面具有重要价值。

生物网络研究领域

蛋白质 - 蛋白质相互作用预测：在生物分子网络中，如蛋白质相互作用网络，预测未知的蛋白质之间的相互作用关系。这对于理解生物体内的信号传导、代谢途径等生理过程具有重要意义。可以帮助研究人员发现新的生物分子靶点，为药物研发提供线索。

生态网络研究：在生态系统的物种相互作用网络（如食物网）中，预测物种之间可能存在的相互关系。这有助于生态学家更好地理解生态系统的结构和功能，预测物种入侵、生态平衡变化等情况。

浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。

本发明的技术构思为：网络的二阶邻居节点对链路预测有着不可忽视的影响，本发明在考虑二阶局部社团的简谐平均距离和边聚类系数时，同时考虑了种子节点结构信息，充分利用网络中的局部信息，在具有局部特性结构的网络中有很好的预测效果，可以提高链路预测算法准确性。

本发明的有益效果为：本发明将局部社团从一阶邻居扩展到二阶邻居，同时考虑了种子节点结构信息，充分利用了已知的网络节点以及网络局部结构信息，算法的精确度高。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。