本发明公开了一种基于网络表征的集成学习动态社会网络链路预测方法。所述方法包括：基于预设时间周期划分所采集的动态网络数据，以获得T个子网络快照；从T个子网络快照中抽取训练集和测试集；针对前T‑1个子网络快照，采用网络表示学习方法构建节点特征，并将节点特征转化为第一节点对特征；针对前T‑1个子网络快照，提取基于局部网络结构相似性指标的第二节点对特征；合并第一节点对特征以及第二节点对特征，以获得第三节点对特征；构建集成学习模型，并基于训练集和第三节点对特征，训练集成学习模型；将测试集输入完成训练的集成学习模型，以实现链路预测。采用本发明，可以在不同场景下保持稳定的高精度结果，还可以降低计算复杂度。