《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）》

  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

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。