ساختار شبکه های اجتماعی آنلاین در اکثر موارد نمی تواند فقط با ارتباطات بین اعضای آن توصیف شود. با توسعه وب سایت های رسانه های اجتماعی، کاربران بیشتری شروع به نشان دادن نگرش ها و احساسات خود نسبت به دیگر کاربران کرده اند. روابط بین کاربران در سایت های رسانه های اجتماعی اغلب مخلوطی از تعاملات مثبت یا دوستانه همچون اعتماد، علاقه و تعاملات منفی همچون عدم اعتماد و عدم علاقه است. برای مدل کردن این روابط از شبکه های علامت دار استفاده می شود. یکی از مسائل مطرح در زمینه شبکه های علامت دار، مسئله پیش بینی علامت یال هاست. منظور از پیش بینی علامت یال در گراف های شبکه های اجتماعی این هست که، با داشتن یک شبکه اجتماعی و علامت برخی از یال های آنها، علامت یال هایی که ناشناخته یا پنهان هستند را تعیین کنیم. تاکنون تحقیقات فراوانی در این حوزه صورت گرفته است. برخی از جدیدترین تحقیقات سعی کرده اند که با استخراج ویژگی هایی از وضعیت خود کاربران و روابط آنها با همسایگانشان به حل این مسئله بپردازند که نتایج این تحقیقات نشان دهنده موفقیت نسبی این روش ها برای حل این مسئله است. در این پروژه سعی بر این بوده است که رویکرد جدیدی برای حل این مسئله ارائه شود که تاکنون به آن پرداخته نشده است. در این رویکرد تلاش شده است، با استفاده از شبکه عصبی تاخیر زمان توزیع شده به ارائه یک مدل بپردازیم که علامت یک یال پنهان یا ناشناخته را پیش بینی کند. درواقع هدف این است که شبکه عصبی با استفاده از داده های موجود، آموزش داده شود و سپس به ارزیابی کارایی آن شبکه بپردازیم. پیاده سازی های ما بر روی مجموعه داده های واقعی رسانه slashdot نشان می دهد که این الگوریتم ها در کنار سادگی، در مقایسه با روش های موجود دقت بالاتری در پیش بینی علامت دارند.