《表1 2 表示学习对比实验结果》
为探究融合后模型的效果,将CKNRL模型与基线方法DeepWalk、Node2Vec和SDNE三种表示学习算法进行比较。基于这两个原则进行参数选择:一方面为与基线方法参数设置保持一致;另一方面根据上述系列实验结果选择最优的参数。参数取值分别为:网络嵌入维度为100,滑动窗口大小为9,模型融合方式为“网络嵌入融合”,α、β、γ取值分别为0.1、0.9、0,特征构造方法采用“向量相减取绝对值”的方式,机器学习方法采用XGBoost。具体实验结果如表12所示。
图表编号 | XD00139935300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 余传明、李浩男、王曼怡、黄婷婷、安璐 |
绘制单位 | 中南财经政法大学信息与安全工程学院、中南财经政法大学统计与数学学院、中南财经政法大学统计与数学学院、中南财经政法大学统计与数学学院、武汉大学信息管理学院 |
更多格式 | 高清、无水印(增值服务) |