본 논문은 네트워크 과학과 머신러닝 분야에서 중요한 문제인 링크 예측(Link Prediction, LP) 방법의 평가 방식에 대한 연구를 다룬다. 기존의 LP 방법 평가는 데이터와 응용 분야의 특수한 요구사항과 관련된 여러 요소들을 무시하는 동일한 설정에서 수행되었다. 본 논문은 네트워크 유형, 문제 유형, 종점 간의 지오데식 거리 및 클래스에 대한 분포, LP 방법의 특성 및 적용 가능성, 클래스 불균형 및 초기 검색에 대한 영향, 평가 지표 등 여러 요소를 확인하고, LP 방법을 엄격하고 통제된 방식으로 평가할 수 있는 실험 설정을 제시한다. 다양한 실제 네트워크 데이터셋을 사용하여 광범위한 실험을 수행하고, 신중하게 설계된 가설을 통해 이러한 요소들과 LP 성능 간의 상호 작용에 대한 귀중한 통찰력을 얻는다. 이러한 통찰력을 바탕으로 LP 방법을 평가하기 위한 모범 사례로 따라야 할 권장 사항을 제공한다.