链路预测是根据当前网络的拓扑特征，预测网络中可能被观察漏掉的、或将来可能会出现的边的方法。它既可帮助分析数据缺失的网络，又可推断网络的演化，因而在近几年受到较多关注，尤其在社会网络分析领域得到很好的应用，成为网络科学中非常活跃的研究领域。

?

链路预测中的研究对象大多数是无权网络，并已产生了大量效果良好的预测算法。近年来，有一些研究将无权网络中的算法推广到加权网络，将当前网络中边的权重结合到算法中，预测加权网络中边的存在性。我们认为，加权网络中边的权重与边的存在性的预测同等重要，对生物学网络尤其如此。例如，蛋白-蛋白相互作用（PPI）网络对于认识生命系统的功能、进化以及复杂疾病的机理都起着重要作用。细胞中的PPI数据来自不同分辨率和精度的大量生物学实验，其中高通量的生物学实验的结果往往存在严重的假阳性和假阴性问题。为了将不同实验室、不同实验平台和方法所获得的PPI数据整合成一个网络，通常对PPI赋予可信度分值，作为网络中边的权重，从而构建加权的PPI网络。即使如此，据估计，目前已经实验证实的人类蛋白-蛋白相互作用也仅占实际的0.3%。因此，使用计算方法预测大量未知的PPI就显得非常有意义。在这种情况下，预测PPI的可信度与预测它的存在性是同等重要的。

?

为了解决加权网络的链路和权重预测问题，我们借助通信网络的可靠路算法的思想，将无权网络的局部相似性指标推广到加权网络，用未连接的节点对之间的相似性指标来预测这对节点间存在连接的可能性及可信度，获得了较为理想的预测效果。我们利用此方法，分别以两个较小的、有特定生物学含义的人类加权PPI网络为输入，预测其中可能缺失的边及其权重，并以另一个更全面的人类PPI网络来验证预测效果，结果显示我们的方法在预测缺失的PPI的存在性及可信度上具有实际价值。