链路预测在数据挖掘中起着重要作用，其目的是根据网络结构信息估计两个未链接节点之间的连接概率。 到目前为止，已经提出了许多链路预测方法，而大多数方法仅基于公共邻居的个体信息来考虑节点相似性。 从共同邻居之间的相互作用的角度来看，我们提出了一个新的节点相似度测量-由共同邻居形成的集群的内部吸引密度。 所提出的索引不仅适用于公共邻居集合中单个节点的影响，而且考虑了公共邻居之间的相互作用。 在合成和真实网络上的实验结果表明，与典型的预测算法相比，该方法具有令人印象深刻的效率和有效性，并且在保持较低时间复