《表8 链路预测结果：基于子图特征的科学家合作网络链路预测》

  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

《基于子图特征的科学家合作网络链路预测》

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

使用基于邻居子图相似性特征作为XGBoost模型的输入得到的AUC值与进行特征选择后的AUC值见表8。从表中可以看出，使用所有特征得到的AUC值为0.831，只保留特征排序中影响力等级前4的特征后，AUC值为0.825，与所有相似性特征的AUC值相差较小，所以这些特征对链路预测结果影响较小。在去掉影响力低的特征基础上，又根据特征相关性，去掉了强相关特征中的HD＿subvertex，得到的AUC值为0.705，与上一步的AUC值差距较大，分析原因发现，虽然jaccard＿subvertex和HD＿subvertex之间的相关性较高，可能是冗余特征，但是这两个特征在影响力排序中占据第1和第2位，十分重要，删除其中一个会对预测结果影响较大。因此在去冗余、去相关的时要综合考虑特征排序和相关性，根据特征选择去除冗余特征之后，可以得到基于邻居子图相似性特征的最优子集U2，U2={jaccard＿subvertex，HD＿subvertex，LHN＿subvertex，subvertex}