近年来复杂网络的研究受到了越来越多不同领域学者的共同关注，而网络中的信息检索和恢复也是长久以来备受关注的话题之一，其中链路预测便是近几年来的一个新兴和热门方向，对它的研究有着重要的理论和现实意义。　　 网络中的链路预测通俗地讲，就是指怎样通过网络的已知信息来预测在没有直接连边的两个节点之间产生一条新连边的可能性。　　 在计算机领域，对链路预测问题的研究主要是提出了一些基于马尔科夫链和机器学习过程的算法作为探讨的思路和方法，但是这些方法在物理上不简洁。从复杂网络的角度来研究链路预测是一种全新的方法，它利用了网络拓扑结构中所包含的隐藏信息资源，来帮助我们挖掘和预测网络的连边情况。最重要的是，这种方法比较简单可靠且具有很大的普适性。　　 本论文基于复杂网络背景来研究链路预测问题，给出了问题的描述和评价方法，详细介绍了一些基于相似性的预测算法，最重要的是基于BA模型构造了静态的无标度网络和基于收集到的论坛数据建立了一个动态的BBS兴趣网络，并分别在这些网络上实现了链路预测的数据处理过程，最后给出了预测的准确率，并对结果进行了相应的分析。通过研究和实证，我们发现采用了相似性算法的预测效果都好于随机预测，这有利的证明了网络的拓扑结构中确实包含有关于网络连边的隐含信息，可以用来进行链路预测。同时对于具有无标度特性的网络来说，CN，LP，PA和Katz都是优秀的算法，但应尽量避免使用LHN-Ⅰ和LHN-Ⅱ算法。