《表3 AUC结果对比:基于三元组结构的有向网链路预测方法》
从表3的预测结果可以看出,对于同一个网络,前9种基准指标的预测精度相差不大,而对于不同的网络,预测精度显著不同。一般而言,如果一个网络具有较高的集聚系数,那么基于局部相似性的预测指标将得到较好的预测的结果。例如,效果最差的Gnutella网络,其集聚系数仅有0.007 2,这意味着没有多少邻居节点进行相似度计算,自然预测精度不高。总体来说,PTI表现最好。除了FWMW食物链网络,PTI在其余8个网络中均取得了最高的预测精度。而在FWMW网络中,PTI的预测精确度也和表现最优的CN非常接近。可以看到,除了FWMW食物链网络和Gnutella点对点网络以外,PTI在其他网络的AUC都达到了0.85以上,在E-mail和Wikivote网络甚至达到了0.95以上。此外,在无向网络表现较好的RA和AA[2]在有向网络中并没有体现出明显优势。这说明简单地将无向网络预测算法应用到有向网络中,并不完全适应有向网络的一些特性,如在有向网络中,每个节点有出度和入度的不同,无向网络中的算法会混淆这些特性,这可能是无向网络中算法在有向网络中区分度不大且表现不是很好的原因之一。
图表编号 | XD00107283700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.15 |
作者 | 常圣、马宏、刘树新 |
绘制单位 | 国家数字交换系统工程技术研究中心、国家数字交换系统工程技术研究中心、国家数字交换系统工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |