鏈路預測旨在利用網絡的拓撲性質、節(jié)點特征等預測原本不相連的兩個節(jié)點未來產生連接的概率。如何更有效地挖掘節(jié)點的信息一直是影響鏈路預測性能的重要因素。目前提出的鏈路預測算法普遍存在預測性能差或算法時間復雜度高的問題,造成了鏈路預測應用的局限。高階的鏈路預測算法 考慮了節(jié)點的1階相似性、2階相似性、……、n階相似性, 融入了更多節(jié)點間的信息, 可以更好地表示節(jié)點之間的關系, 從而更有效地挖掘網絡的信息。本書從復雜網絡角度出發(fā), 對基于高階編碼的鏈路預測算法進行了總結與探索。全書分為4部分, 由11章構成。第1部分 (第1-3章) 介紹了復雜網絡與鏈路預測相關的基礎知識以及經典的基于節(jié)點 相似性的鏈路預測算法; 第2部分 (第4-7章) 考慮了節(jié)點與鄰居的鄰居節(jié)點的高階相似性關系, 介紹了基于網絡表示學習的高階編碼鏈路預測算法; 第3部分 (第8-9章) 從物理學的角度出發(fā),考慮節(jié)點與節(jié)點之間的相互作用力以及節(jié)點的高階特征, 介紹了基于復雜網絡引力場的高階編碼鏈路預測算法; 第4部分 (第10-11章) 對鏈路預測當下的主流應用作了介紹。最后, 本書做了整體總結, 并指出了待改之處。