《表2 运行时间比较：基于聚类的超链路预测》

  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

《基于聚类的超链路预测》

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

单位：s

C-CMM算法与基准算法在鸡尾酒和食谱数据集上运行时间的比较如表2所示，可见，C-CMM算法的效率比BS、HPLSF、Random、Katz、CN高，但是比CMM低。这是因为BS、HPLSF、Random、Katz、CN是非迭代算法，程序只需运行一次即可得出结果；虽然C-CMM调用了CMM算法，但是聚类后每个簇的关联矩阵要比原始矩阵小，矩阵分解的时间少于对原始矩阵的分解时间，并且各个簇的分解可以并行处理，所以C-CMM的效率比CMM高。