直接建立演化模型推测影响网络演化的因素是目前研究网络演化机制的常用方法，但由于可供比较的结构特征量太多，不同的模型之间难以进行定量化的比较。链路预测是指利用网络的结构或者节点的属性信息预测未产生连接的两个节点间产生连接的可能性。其本质是挖掘网络产生连边的原因和驱动力，这同时也是网络演化模型所关心的问题。实际上，一个演化模型原则上可以对应于一种链路预测的算法。因此，借助链路预测的理论框架和评价方法可以定量化地对不同演化模型所对应的链路预测算法进行评价，从而间接地对演化模型的表现进行定量比较。

宏鲲、琳媛和我最近在《中国科学G》上灌了一篇水，题目叫《利用链路预测推断网络演化机制》，部分地体现了刚才的想法。文强和千明这篇文章更进了一步，是直接用链路预测和网络系综的办法，建立了一套量化比较的机制，在这个机制下面，比较了有代表性的互联网演化模型的优劣（以真实的互联网数据为基准）。比较总有输赢，本身说明不了任何问题，有意思的是，他们发现通过他们的评价机制得出的模型的“最佳参数”在仅仅考虑表达新增节点的性质的时候，要明显好于通过其他办法得到的“最佳参数”。文强和千明的工作还隐隐约约包含了一个重要的思想，就是以前的研究，总是关注网络从无到有的过程，希望找到一个普适的模型，一股脑刻画网络一生的行为。实际上，网络初始的增长和中后期的增长机制可能是完全不一样的！链路预测更像是关注网络从少到多，从当前到未来的短期行为，这可能更加重要！即便是在一个模型下，通过与真实网络对比，不同增长时期的“恰当的参数值”也会不一样。这个问题在以前的研究中罕有讨论，但是可以通过文强和千明提出的办法进行分析、挖掘。

本文算不上一篇非常成熟的工作，技术上还有很多值得斟酌的地方，但是其中蕴含的想法，对于复杂网络建模研究，有重要的借鉴意义。如果有一天，复杂网络的研究真正被纳入了统计力学的理论框架下，那么一定得益于网络系统的理论。这方面Bianconi做了有益的尝试，但还远远不够。链路预测的发展定会对此有所助益！