《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》

  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

《一种基于相对熵的随机游走相似性度量模型》

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

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.