随着大数据时代的到来,信息化世界催生出难以计量的数据,如何充分发掘这些数据的价值一直是学术研究的热点。除了利用机器分析和处理这些数据之外,人在数据分析中所起到的作用是无法忽视的。为了充分利用人的探索认知能力去挖掘数据所蕴含的信息,必须找到合适的方式将数据呈现到人们眼前。尤其对于网络数据中的未知数据和未来数据,将这些数据的预测信息迅速全面地传递给用户,从而为用户的决策提供有效的依据将具有重要的应用价值。此外,用户应该可以通过人机交互的方式参与到预测过程中去,而不只是对预测结果进行观察。如今网络数据规模的不断增大,亟需一种合适的方法让人们更容易地观察到感兴趣的数据,并且能够从不同规模的数据中获取到更多的有效信息。因此,对网络数据进行链路预测以及可视化研究具有重要的现实意义。本文首先提出了一种交互链路预测算法,以人机交互的方式,通过参考人的判断标记更多信息,从而提高了预测精度。此外,本文提出了一种面向网络中未知数据可视化方法,对网络中的未知数据进行预测,结合复杂网络中网络刻画的理论,对预测结果进行可视化,实时展现预测结果。最后,针对大规模网络数据中存在的信息模糊与难以交互问题,提出一种迭代分析和交互式探索方法。一方面解决了节点数量巨大时链路信息可视化的混乱无效问题;另一方面通过交互式探索的方法,对网络数据进行下钻过滤处理,将感兴趣的网络信息转换成可交互处理的规模,进而实现数据更精确的显示。本文提出的交互预测方法,可以获得预测精度更高的预测结果,并能够对数据进行持续的探索。链路预测数据的可视化方法,能够帮助人们快速理解预测结果,发掘数据潜在的信息。面向大规模网络数据的迭代分析和交互探索方法,可以适应各种规模的数据,并根据数据规模的不同进行不同精度的展现,呈现更多的有效信息。其在社交网络、生物网络、推荐系统、金融预测等领域有广泛的应用价值。