《表7 有标签真实网络中不同相似性度量的社区发现实验结果》
Walktrap算法利用随机游走转移概率矩阵定义节点间相似性来进行社区发现.将Walktrap中的节点相似性替换成现有的常用随机游走相似性度量RW,RWR,MERW,LRW,BRW策略和RE-model模型下的相应的节点相似性度量RE_RW,RE_RWR,RE_MERW,RE_LRW及RE_BRW.表7给出了在四个带标签网络上的社区发现算法的NMI值和ARI值的对比结果,其中NMI和ARI定义见式(14)和式(15),黑体标注出了基于RE-model模型的对应指标数值.表8给出了在无标签网络上的对比实验结果,其中社区发现质量用式(16)给出的模块性衡量.
图表编号 | XD00109597900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.30 |
作者 | 郑文萍、刘韶倩、穆俊芳 |
绘制单位 | 山西大学计算机与信息技术学院、计算智能与中文信息处理教育部重点实验室山西大学、山西大学大数据科学与产业研究院、山西大学计算机与信息技术学院、计算智能与中文信息处理教育部重点实验室山西大学、山西大学大数据科学与产业研究院、山西大学计算机与信息技术学院、计算智能与中文信息处理教育部重点实验室山西大学、山西大学大数据科学与产业研究院 |
更多格式 | 高清、无水印(增值服务) |