链路预测是网络信息挖掘和预测领域中一个重要的研究方向。由于网络的拓扑结构信息具有易获取和真实可靠的特点,使得基于网络拓扑结构相似性的遗失链接预测算法成为了研究的热点。但由于真实网络的特征具有复杂性和多样性,所以目前的遗失链接预测算法不能在大部分网络上都具有较好的预测精度。本文针对常用遗失链接预测算法普适性较差的问题,通过分析真实网络链接形成的机制和网络的动态演变过程,提出了一种基于未来共同邻居和短路径拓扑结构的遗失链接预测算法MJR-FCN,并通过实验仿真对该算法的性能进行验证,主要工作如下:首先从链接的物理演变过程以及网络的动态变化角度分析,目前对于节点的信息利用比较有限,因而引入了未来共同邻居的概念,并充分利用共同邻居的数目和名人效应来衡量网络中每个可能成为共同邻居节点的节点的贡献,进而提出了未来共同邻居指标FCN;然后从网络拓扑结构角度分析,未来共同邻居只考虑了一阶、二阶路径数目的作用,为了从网络节点中提取更多有效的信息,本文又考虑了一阶、二阶、三阶路径数目的作用,从而提出了基于短路径拓扑结构的遗失链接预测指标MJR;其次由于FCN和MJR算法对遗失链接的预测考虑的因素不同,为了在具有不同特征的网络中都有较高的的预测精度,本文充分利用对遗失链接预测有贡献的影响因素,将两个因素结合,提出了一种带有自适应参数的基于未来共同邻居和短路径拓扑结构的混合遗失链接预测算法MJR-FCN;最后为了验证本文提出的算法的合理性,本文将FCN、MJR以及MJR-FCN分别在八个真实网络的数据集上进行100次独立实验。实验结果表明FCN指标与MJR指标在八个网络上的预测精度不仅得到了提升,而且具有互补的特点,MJR-FCN指标利用这个特点,实现了对遗失链接预测具有较好的普适性,并且预测精度也得到了提升,尤其是Power网络和FWFB网络的预测精度提升最为明显,分别为24%和20%。