در شبکه های اجتماعي افرادی با اهداف خاص گرد هم مي آیند و با یکدیگر به تعامل مي پردازند و تصاویر و اطلاعاتي را باهم به اشتراک مي گذارند. فيسبوک، اینستاگرام و گوگل پلاس و غيره، نمونه هایي از این شبکه ها مي باشند. تعداد كاربران در شبکه های اجتماعي به صورت روزافزون در حال افزایش است، به عنوان مثال كاربران فعال در فيسبوک در سال ۲۱۱۷ برابر با ۲ ميليارد نفر است. به دليل پویا بودن شبکه های اجتماعي، پيش بيني پيوند چالش های زیادی دارد كه یکي از آنها ساختمان داده مناسب است. زیرا در زمانهای مختلف تعداد افراد شبکه و ارتباط بين آنها ممکن است تغيير كند. به عبارت دیگر ممکن است، افراد و ارتباط بين این افراد اضافه و یا حذف (به دليل حذف حساب كاربری یک شخص یا لغو دوستي بين دو فرد در شبکه) شود. برای انجام این كار باید ساختمان داده مناسبي برای شبکه داشته باشيم كه در هر لحظه بتوانيم اطلاعات گراف را استخراج کنیم. پيش بيني پيوند كاربردهای متعددی دارد: پيدا كردن دوستان و آشنایان، پيدا كردن افراد با سلایق یکسان در شبکه های اجتماعي، كشف گروه های مجرم و تروریست، سیستم های پیشنهاد دهنده در خریدهای اینترنتی معرفی کالا به دوستان و آشنایان، پیدا کردن رابطه بین پروتئین ها در بیوانفورماتیک و غیره نمونه هایی از کاربردهای آن می باشند. یکی از چالش های پیش بینی پیوند شروع سرد نام دارد. وقتي یک فرد جدید وارد یک شبکه اجتماعي مي شود، هيچ اطلاعاتي از او نداریم تا بتوانيم ارتباطات آینده وی را پيش بيني كنيم. در چنين وضعيتي در شبکه فيسبوک، اگر افراد با ایميل ثبت نام كرده باشد، برای پيشنهاد دوست، مخاطبهای ایميل او كه در فيسبوک هستند را معرفي مي كند و اگر از طریق موبایل ثبت نام كرده باشد مخاطبهای تلفن او كه در فيسبوک ثبت نام كرده اند را پيشنهاد مي دهد. در گوگل پلاس افراد جدید موظف هستند که در ابتدا ده نفر را به عنوان دوست انتخاب و معرفی کنند.