《表1 2 表示学习对比实验结果》

  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

《基于深度学习的知识表示研究：网络视角》

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

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。