1.一种基于随机游走度惩罚机制的社交网络好友预测方法，其特征在于：包括如下步骤：步骤一：根据社交网络用户数据建立社交网络G＝(V,E)，其中，V＝{v1,v2,...vN}表示节点集合，每个节点表示一个用户，E为连边集合，N表示用户数，di表示节点i的度，即用户i直接相连的好友数；

步骤二：任选一个节点vi,计算vi随机游走到任意邻居节点vj的概率其中，λ是一个可调参数，Γi表示节点i的邻居节点集合，从节点vi出发，按概率Pwalk随机游走R步，得到随机游走节点序列步骤三：在随机游走节点序列L中每次选取1个节点，作为训练节点k，取节点k在随机游走序列L中至多前s个与后s个节点，作为训练节点k的正样本，其中s为可调参数，按照此方法得到L中每个节点的正样本；

步骤四：计算负样本的采样概率

其中负采样集合Nneg为不在随机游走序列L下的节点集合，u为节点的嵌入向量表示，通过pij从Nneg中采集节点，作为训练节点k的负样本；

步骤五：计算损失函数 其中uk表示训练节点k的嵌入

向量表示，up表示k的正样本，uw表示k的负样本，σ表示sigmoid函数；

步骤六：重复步骤二到步骤五，直到损失函数收敛则算法中止，得到所有节点的嵌入向量u，针对任意无连边节点对，计算相应的嵌入向量内积，按照降序排列，取前B个内积最大节点对，所对应的用户对即为相互推荐的好友，B≤Y，其中Y表示网络中无连边节点对的数量。