含权网络的链路预测是一个较重要的方向，但是现在还没有系统的研究工作。我们的工作[Lü, EPL,2010]将三种局部算法Common Neighbors, Adamic-Adar和Resource Allocation拓展为含权形式。结果发现在链路预测中也存在weak ties的效应[Granovetter, Am. J. Social., 1973]。在有些网络，例如航空网络，科学家合作网中，弱连接表现出了比强连接更加重要的作用，也就是说给原来权重较低的边赋予较大的权重，而原来权重大的边赋予较小的权重（redistribution），用新的权重会得到更好的预测效果。但是在C.elegans这个线虫的神经网络中，就不存在这个效应，结果恰恰相反，只有更加强调强连接，弱化弱连接才能得到更好的预测结果（strong ties）。我们应用motif分析的方法从定性上解释了这种差异的原因。但是还不能进行定量化的描述。含权网络的预测方法研究还具有很大的拓展空间。其实在考虑含时算法的时候，如果将时间作为权重加到边上，那么实际上就变成了含权网络。同样的网络结构，不同的含权方式在实际预测中起到的作用也可能不一样。要搞清这些问题还需要更加深入细致的研究工作。