در سال های اخیر استفاده از شبکه های اجتماعی بسیار عمومیت یافته و به بخش مهمی از فعالیت های روی خط تبدیل شده است. در حالی که تعداد کاربران شبکه های اجتماعی در حال افزایش است، نیاز به برخورد با چالش های مختلف در آن ها نیز رو به گسترش است. امروزه کاربران شبکه های اجتماعی با انواع روابط مختلف مانند دوستی، خویشاوندی، هم کلاسی وغیره می توانند به یکدیگر متصل شوند. بنابراین تعیین نوع یک رابطه در یک شبکه ی اجتماعی به عنوان یک چالش جدید مطرح شده است. وجود نوع روابط در شبکه های اجتماعی مزایای زیادی مانند بهبود حفظ حریم شخصی کاربران، تسهیل اشتراک گذاری یا فیلترگذاری مطالب انتشار یافته از سوی کاربر، بهبود سیستم پیش گویی پیوند وغیره را به همراه دارد. برای این که بتوانیم از مزایای وجود نوع پیوند در یک شبکه بهره ببریم نیاز به سیستمی داریم که به طور خودکار با توجه به پیوندهای دارای نوع، بتواند نوع روابط ناشناخته را پیش بینی نماید. هر چند در اکثر موارد از الگوریتم های پایه کلاس بندی مانند درخت تصمیم یا الگوریتم بیز برای حل این گونه مسائل بهره می برند اما این الگوریتم ها برای این گونه مسائل دقت کافی ندارند. در این پایان نامه الگوریتمی مبتنی بر احتمالات، برای پیش بینی نوع پیوند برای رابطه هایی که نوع آن ها مشخص نیست، ارائه شده است. این الگوریتم از ویژگی های گره ها و ویژگی های ساختار شبکه برای پیش بینی دقیق بهره برده است. الگوریتم جدید در دو مرحله ارائه شده است که مرحله اول شامل محاسبه احتمالات برای هرگره است که تقریبا شبیه روش بیز است و مرحله دوم شامل یک روش وزن دهی به احتمالات است که همسایگان مشترک میان گره ها ونوع رابطه ی آن ها را نیز درگیر می کند و باعث پیش بینی دقیق نوع پیوند می گردد. نتایج حاصل از ارزیابی این روش، با الگوریتم های پایه کلاس بندی (بیز، درخت تصمیم و svm) حاکی از آن بودندکه این روش نسبت به روش های مطرح شده قبلی کارایی بهتری دارد. علاوه بر این به مقایسه ی اهمیت ویژگی های توصیفی و ساختاری در حل مسئله پیش بینی نوع پیوند پرداخته شد. نتایج نشان دادند که محاسبه ویژگی های ساختاری باعث بهبود دو برابری دقت در پیش بینی نوع پیوند، نسبت به حالتی که تنها ویژگی های توصیفی گره ها را در اختیار داریم، می گردد. همچنین با کنار هم قرار دادن ویژگی های توصیفی و ساختاری، دقت پیش بینی ها، نسبت به حالتی که تنها ویژگی های ساختاری را داریم، حدود 15 درصد و نسبت به حالتی که تنها ویژگی های توصیفی را داریم حدود 55 درصد، بهبود یافته است.