《表5 不同的特征划分策略及转移概率计算策略对链路预测的Precision,Recall和AUC影响》
实验结果如表5所示,其中,HIN(heterogeneous information network)方法是在传统的异构信息网络上进行链路预测,虽然也考虑了拓扑特征、语义特征和时序特征,但将它们同等对待(即不考虑权重),影响了预测的准确性.方法2,3基于梯度下降方法对这些特征的权重进行了学习,能够有效地对它们加以区分.对于方法2,当节点在层内及层间进行随机游走时,不区分边的类型.方法3在方法2的基础上,利用实体转移系数和语义转移系数对边的特征加以区分,提高了链路预测的准确性.这些算法的ROC曲线如图6所示,可见本文提出的算法(方法3)具有一定优势.
图表编号 | XD00121878900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.20 |
作者 | 李冬、申德荣、寇月、林梦儿、聂铁铮、于戈 |
绘制单位 | 东北大学计算机科学与工程学院、东软集团股份有限公司、东北大学计算机科学与工程学院、东北大学计算机科学与工程学院、东北大学计算机科学与工程学院、东北大学计算机科学与工程学院、东北大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |