1.一种基于局部社团信息的链路预测方法，其特征在于：包括以下步骤：步骤一：建立网络模型G(V，E)，V为网络中的节点，E为网络中节点间的连边，并计算该网络的同配系数r：其中，ji和ki为第i条边的两个节点的度值，i＝1，2，3…M，M为总边数；

步骤二：将网络中无连边节点对作为候选节点对，准备预测这些节点对之间未知或未来的链路，选取一个节点对，记录两个节点的节点度分别为Ka和Kb；

步骤三：根据同配系数和无连边节点对的节点度，计算其中，DU表示同配-度系数；

步骤四：提取并构建当前两个候选节点与它们之间公共邻居节点构成的共同邻居网络，记录共同邻居网络的节点个数CN和边数量LCL；

步骤五：去除共同邻居网络中的两个候选节点及其连边，得到局部社团网络LCN，计算当前两个候选节点的相似性，过程如下：

5.1计算LCN的边聚类系数

5.2计算LCN的平均最短路径长度

5.3计算局部社团网络系数

5.4计算当前两个候选节点的相似性系数LCII＝CN*LCL*LCC*DU；

步骤六：重复步骤二至步骤五，直到所有的无连边节点对都遍历一遍，记录每个节点对的相似性，构建以相似性降序排列的相似性列表；

步骤七：获取相似性列表前Z的节点对，这些排在前Z的节点对即是链路预测算法得出的最有可能在未来会产生连边的节点对，其中，Z为取定的正整数。