《表6 在Last.fm数据集上参数的取值》

《表6 在Last.fm数据集上参数的取值》   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
《基于情感的社会网传播模型及影响最大化算法研究》


  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

本文实验选择Last.fm数据集和新浪微博数据集实现参数的调节。p(v,w)运用EM算法获取[10],EM算法在机器学习中应用普遍,是应用十分成熟的参数估计算法。通过分析数据集中的动作日志和图结构,进行全面的学习,与对比的两个固定边上概率模型相比,通过机器学习获得的p(v,w)更真实。ex(v,w)通过计算两个节点之间的前置情感获得。通过上述的分析,运用E-IC模型传播影响值σ(S)并进行计算。设置实验的步长为l=0.1,设定时间周期为300天(时间周期表示的是w用户在300天时间内回答或者转发用户v的微博视为用户w,是由用户v所激活的,如果超过300天,则认为用户w是一个新的传染源节点)。参数α的取值范围是[0,1]。实验评价指标选择mAP和ROC两种不同的模型实现参数的调节,实验结果如表6所示。