摘要：【目的】結合鏈路預測與機器學習，提出推薦未來科研合作的新方法，以提高單獨基于鏈路預測方法的推薦精確度?！痉椒ā繕嫿訖嘧髡吆献骶W，以不同的鏈路預測指標作為特征輸入，運用極端隨機樹（Extremely Randomized Trees，ET）機器學習算法訓練分類，并利用遍歷算法求取分類結果的最優權重組合，選取TOP準確度的預測作為合作推薦結果?！窘Y果】選取納米科技領域2008年-2010年SCI論文數據進行實證。在城市合作推薦中，改進的ET方法優于已有方法，有良好的推薦成功率；預測方法受網絡結構等因素影響較小，適用范圍更廣泛。【局限】科研合作受合作動機、地域、語言等諸多因素影響，加權作者合作網沒有反映在一篇論文中同城市、同機構的多個作者，也沒有反映上述因素?！窘Y論】改進算法能夠比單個預測指標產生更準確的合作推薦建議，也為推廣到大學等機構、個人等更微觀的應用層面提供參考。