《表9 不同模型融合方式完成链接预测任务的部分实验结果(分类结果融合)》
就网络表示学习算法分类结果融合而言,其变量是DeepWalk、Node2Vec和SDNE三种算法分类结果对应的权重(λ、μ、η),通过不同权重取值,得到最佳的权重组合。三个超参数的取值范围在0-1之间,以0.1为间隔,保证三种参数之和为1。实验中,保证其他变量不变,滑动窗口大小为9,网络嵌入维度为100,特征构造方法采用“向量相减并取绝对值”的方式,机器学习方法采用XGBoost,对λ、μ、η进行遍历。部分实验结果如表9所示。
图表编号 | XD00139936600 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) |