La predicción de enlaces para redes heterogéneas temporales es una tarea importante en el campo de la ciencia de redes, y tiene una amplia gama de aplicaciones del mundo real. Los métodos tradicionales de predicción de enlaces se basan principalmente en redes homogéneas estáticas, que no distinguen entre diferentes tipos de nodos en el mundo real y no tienen en cuenta la evolución de la estructura de la red con el tiempo. Para abordar estos problemas, en este artículo estudiamos el problema de predicción de enlaces en redes heterogéneas temporales y proponemos un método de predicción de enlaces para redes heterogéneas temporales (LP-THN) basado en el ciclo de vida de la información, que es una estructura codificador-decodificador de extremo a extremo. El ciclo de vida de la información tiene en cuenta los estados activo, decaimiento y estable de los bordes. Específicamente, primero introducimos la matriz de información residual aumentada de meta-ruta para preservar el mecanismo de evolución de la estructura y la semántica en las HINs, utilizándola como entrada al codificador para obtener una representación de incrustación de baja dimensión de los nodos. Finalmente, el problema de predicción de enlaces se considera un problema de clasificación binaria, y se utiliza el decodificador para la predicción de enlaces. Nuestro proceso de predicción tiene en cuenta tanto la estructura de la red como los cambios semánticos utilizando perturbaciones de la matriz de información residual aumentada de meta-ruta. Nuestros experimentos demuestran que LP-THN supera a otras líneas de base tanto en efectividad de predicción como en eficiencia de predicción.