算法1：划分数据集

输入：邻接矩阵(net)、比率(0.9) (训练集train元素个数与测试集test个数的比值)

1. 根据数据，统计所有的边并将其放入邻接表；

2. 随机选择边；

3. 判断所选边的两端端点是否可达，如果是，就把它放到test中；

4. 重复步骤2和3。

输出：train和test

算法2：相似值计算

输入：train和test

基于相似度指标的定义(CN，Salton，Jaccard，S∅rensen，HPI，HDI，LHN-I，AA，RA，PA)，利用训练集中的网络拓扑信息，测试集与不存在的边根据表1计算集合中所有节点构成的连通边的相似度值矩阵。

输出：sim

算法3：AUC值计算

输入：train、test和sim

1. 只保留了测试集和不存在边集之间的相似值；

2. 取两个集合(test和non)的上三角矩阵及相应的相似值得分；

3. 通过相应的相似值得分的比较，得到 $n^{\prime }$ 和 $n^{″}$ ；

4. 通过公式(2)计算得到AUC值。

输出：AUC