链接预测利用观测数据来预测未来或潜在关系的复杂网络。一个潜在的假设是两个节点连接在一起的可能性很高,如果他们有许多共同特征。关键问题是开发不同的similarity-evaluating方法。然而,本文通过描述现有的相似性得分的差异和nonexisting链接,我们发现一个有趣的现象,与一些特定的低两个节点相似性得分也有一个高概率连接在一起。因此,我们提出一个新的框架,利用最优的单变量函数来调整两个节点的相似性得分。理论分析表明,低相似性得分更多链接(远程链接)可以通过我们的方法正确预测不失准确性。实验在实际网络显示,我们的框架不仅显著提高了精度,还预测比最先进的远程链接方法,加深我们的理解的复杂网络的结构。