《表1 三个数据集上的召回率和AUC》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于聚类的超链路预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本实验在使用矩阵分解获取低维表达时，鸡尾酒、食谱和DBLP数据集的基矩阵的秩分别设定为r=4，15，50，在使用K-means算法对鸡尾酒、食谱和DBLP数据聚类时簇的数目分别设定为k=5，11，37（此时，聚类结果的轮廓系数最大，见3.4节），在每个簇中随机选取50%的超链路作为训练集，剩余50%的超链路作为测试集。随机生成的超链路数目与测试集中的超链路数目相等。测试集中的超链路与随机生成的超链路合并构成候选集。每种算法分别在原始数据和聚类获得的簇上进行预测，计算各种算法的召回率和AUC。使用CMM算法对三个数据集的原始数据进行矩阵分解时，鸡尾酒、食谱和DBLP数据集的基矩阵的秩分别设置为10、30、80；使用C-CMM算法对三个数据集的各个簇进行矩阵分解时，各个簇的矩阵的秩分别设为5、10、30。表1展示了所有算法对于三种数据集的预测结果，最好的实验结果用粗体进行表示。