《表5 PSR-vec与单个元路径或元结构嵌入的推荐精确度对比》

  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

《基于异构信息网络嵌入的专利技术主体间交易推荐模型》

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

由表4可得，本文构建的PSR-vec模型，AUC值均高于DeepWalk和node2vec与PathSim方法，达到82.4%，验证了方法的有效性。分析原因为，PathSim是采用全遍历算法获取网络节点间关系序列，并基于关系序列数进行排序推荐，未涉及节点的向量表示，推荐效率较低；DeepWalk与node2vec方法是通过随机游走遍历节点间关系序列，利用网络嵌入进行节点向量表示，通过计算节点向量间相似度实现推荐，推荐精度不高；PSR-vec推荐模型将全遍历算法与网络嵌入结合，能提高推荐精度并降低计算复杂度。在此基础上，检验PSR-vec模型与基于单个元路径或元结构嵌入的推荐模型，精度如表5所示。