专题介绍

Link Prediction on Complex Networks: Theory, Algorithms, and Applications

复杂网络中的链路预测：理论、算法与应用


在复杂网络研究中，链路预测不仅是一个基础性的科学问题，更在社交网络、生物信息学、知识图谱等领域展现出巨大的应用价值。随着人工智能和复杂网络理论的快速发展，链路预测领域正迎来新的突破。


本期专题旨在探索复杂网络领域链路预测的最新研究进展，深入探讨链路预测的理论基础，介绍提高预测准确性与效率的创新性算法。同时，专题聚焦链路预测技术在社交网络、生物系统和信息技术等跨学科领域的实际应用，彰显其广泛的影响力与发展潜力。本期专题的征稿范围主要包括但不限于以下方向：


1. 理论基础：链路可预测性、概率模型、机制模型、基于拓扑结构的方法

2. 算法创新：可扩展的高效算法、深度学习架构、图表示学习、系综学习、提升预测精度的混合算法及其他AI驱动的链路预测方法

3. 跨领域应用：

  • 社交网络：推荐系统、社团检测、影响力预测等

  • 生物系统：蛋白质相互作用网络、疾病-基因关联、代谢通路分析等

  • 信息技术领域：知识图谱补全、网络安全、网络韧性评估等

4. 评估与基准方法：新型公平指标、数据集构建、预测性能的对比研究

5. 新兴挑战：动态网络、时序链路预测、高阶网络中的链路预测、预测模型的可解释性


关键词：链路预测；复杂网络；理论；算法；应用


专题截稿日期：2025年12月31日





客座编辑



吕琳媛 教授

中国科学技术大学网络空间安全学院

上下滑动查看全部简介

长期致力于复杂网络与信息过滤方面的研究，构建了以系综理论和似然分析为基础的网络信息挖掘基础理论体系，提出以扩散动力学为基础的网络信息挖掘系列方法。首次揭示并证明了网络中的DHC定理，解决了大规模演化网络的重要节点识别难题。原创性地提出了网络“链路可预测性”的概念并给出量化方法。至今发表学术论文100余篇，SCI他引10000余次，谷歌学术引用19800余次，H指数43；其中12篇论文入选ESI全球Top-1%高引用论文，28篇论文引用过百，成果入选中国百篇最具影响国际学术论文。出版学术著作3部，译著1部，其中《链路预测》获中国大学出版社图书奖学术专著一等奖。研究成果不仅受到学术界关注，也产生了较好的社会价值，系列算法已应用于网络舆情监控、医保欺诈识别等系统中，授权发明专利20项。


2022年，因其在网络信息过滤方面的开创性贡献，吕琳媛荣获国际网络科学学会Erdős-Rényi Prize，成为该奖项设立13年来亚洲首位获奖者。2021年获第三届科学探索奖，为前沿交叉领域首位女性获奖者。2024年荣获第十九届中国青年女科学家奖。



周涛 教授

电子科技大学计算机科学与工程学院

上下滑动查看全部简介

主要从事复杂性科学和大数据挖掘算法和应用研究，先后攻克推荐系统准确性-多样性困境、复杂网络链路可预测性、H指数-度-核心度关系等图挖掘领域的重要难题，成果发表在PNAS, Nature Communications, Physics Reports, KDD和ICDM等国际顶尖期刊和会议上。目前论文google总引用超过42164次，其中8篇论文入选ESI高引用论文，H指数为94，2014和2015连续两年入选Elsevier最具国际影响力中国科学家名单。


因其在科学研究上的杰出表现，2011年获得第十二届中国青年科技奖（最年轻获奖者），2011年入选四川省“百人计划”，2012年获得国家首批优秀青年科学基金资助，2013年入选国家“万人计划”首批青年拔尖人才支持计划，2014年获得四川省科技进步一等奖、中国计算机学会自然科学奖，2015年获得共青团中央授予的“最美青年科技工作者”称号，并与屠呦呦等七名个人和北斗导航等三个团队共同当选2015年度中国十大科技创新人物。



Yamir Y. Moreno 教授

西班牙萨拉戈萨大学生物计算与复杂系统物理研究所

上下滑动查看全部简介

复杂网络理论的奠基者之一，研究兴趣包括疾病动力学、扩散过程、计算社会科学、非线性动态过程以及复杂系统的结构与动态。迄今发表290余篇高水平学术论文，谷歌学术总引用次数超过53400次，H指数为86，为《Physics Reports》被引用次数最多的论文的共同作者（Phys. Rep. 424, 175-304 (2006)）。2019年和2022年先后获得复杂系统学会高级科学奖和杰出服务奖，2019年入选“跨学科领域高被引学者”（Web of Science），2021年当选美国物理学会会士，2022年当选国际网络科学学会会士。曾任国际网络科学学会主席（2018-2022）、复杂系统学会主席（2015-2018），目前担任西班牙萨拉戈萨大学生物计算与复杂系统物理研究所（Institute for Biocomputation and Physics of Complex Systems，BIFI）所长，复杂系统与网络实验室（COSNET）负责人。




请通过期刊 Physica A: Statistical Mechanics and its Applications 的在线投稿系统提交稿件：

https://www.editorialmanager.com/physa/default.aspx. 投稿时，请务必选择文章类型 “VSI: LINK PREDICTION”，以确保稿件进入专刊审稿流程。未选择该类型的稿件将按常规论文处理。


作者投稿指南详见：

https://www.elsevier.com/journals/physica-a-statistical-mechanics-and-its-applications/0378-4371/guide-for-authors.  

如您在投稿过程中遇到问题，请联系Elsevier支持中心或本刊责任编辑Saravanalatha Shanmugam，邮箱：physa@elsevier.com 或 S.Shanmugam@elsevier.com.


关于期刊

Physica A: Statistical Mechanics and its Applications 主要发表统计力学及其应用领域相关的研究。统计力学旨在通过研究微观或纳米级成分的统计特性来解释宏观系统或大规模系统的行为。统计力学的概念和技术应用包括：应用于物理和物理化学系统，如固体、液体和气体、界面、玻璃、胶体、复杂流体、聚合物、复杂网络；应用于经济和社会系统，如社会经济网络、金融时间序列、基于主体的模型、系统风险、市场动力学、计算社会科学、科学科学、进化博弈论、文化和政治复杂性；应用于交通和运输，如车辆交通、行人和疏散动力学、网络交通、生物群和其他形式的集体运输、细胞内运输模型、自驱动粒子；应用于生物系统，如生物信号和噪声、生物波动、细胞系统和生物物理学；以及其他跨学科的应用，如人工智能领域中的深度学习、遗传算法或信息论与热力学/统计物理学之间的联系。


Physica A 不发表数学（例如统计）或数学方法（例如求解微分方程）相关的研究，除非研究内容中包括对统计物理问题的原始应用。此外，若研究面向关注工程领域流体力学以及普通经济/计量学研究的读者，也不在Physica A 的征稿范围内。


本刊涵盖的特定子领域是统计力学在以下方面的应用：

  • 软物质

  • 生物系统和系统生物学

  • 化学系统

  • 经济物理学和社会物理学

  • 交通运输

  • 相变

  • 复杂系统

  • 深度学习、遗传算法和其他人工智能方法   


扫描下方二维码，了解详情并投稿！



复杂经济学读书会第二季


经济学理论的发展与社会环境变化密切相关。一方面，伴随计算机的发展，相应的研究技术日渐成熟，例如非线性动力学、复杂网络、ABM等，为研究者提供了更强大的分析工具；另一个方面，对“均衡”的经济学的研究，不能够解释实际的经济现象，例如金融危机、创新产生的新的发展模式等，研究者开始重视经济学的“非均衡”现象，把经济系统看做复杂系统，并力图做出更能反映现实的研究。经济学内慢慢出现了一种基于更加现实的假设的研究进路，复杂经济学一个新的经济学框架正在形成。


复杂经济学读书会第二季由北京师范大学李红刚、王有贵、张江、陈清华老师以及中山大学袁先智老师联合发起，围绕复杂经济学的内涵、基本方法、普适规律、应用场景四个方面进行探讨。读书会已完结，现在报名可加入社群并解锁回放视频权限。



本季读书会详情与报名方式请参考：
直面复杂系统，重识经济规律：复杂经济学读书会第二季启动



-一年一度特惠-

图片



点击“阅读原文”，报名读书会

内容中包含的图片若涉及版权问题，请及时与我们联系删除