链接预测是社会网络分析领域的关键问题，研究如何从已知网络中预测可能存在的新链接。现实网络中存在了大量未连接的节点对，从中挖掘潜在信息可以帮助实现链接预测任务。将链接预测视为二类分类问题，使用半监督学习技术，利用网络中的未标记数据帮助学习。使用了两种半监督范式：自我训练和协同训练。在现实数据集Enron和DBLP中的实验结果表明，链接预测任务中采用未标记数据能够有效提高预测的准确率。