《表2 CiteSeer、DBLP和Cora数据集上链路预测结果》

  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

《基于矩阵分解的DeepWalk链路预测算法》

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

本文首先采用SVDS矩阵分解方法将M=（A+A2）/2矩阵分解为U、S、V三个矩阵。用U×（ST）1/2来表示网络中每个节点的向量表示。然后基于余弦相似度计算方法构建网络节点的相似度矩阵，并在Cite Seer、DBLP和Cora三个数据集上进行了实验仿真。为了验证本文方法的有效性，与本文所列出的所有方法进行了对比。在本文中列举的链路预测算法多为采用统计的方法获得节点之间的相似度值，本文提出的基于矩阵分解的Deep Walk链路预测算法采用了类神经网络方法获得了网络的结构特征矩阵，之后采用矩阵分解算法构建了节点之间的相似度值。故本文LPMF方法仅在特征获取方面参考了Deep Walk方法，但是实质还是一个矩阵分解算法。因此，本文LPMF方法和列举的方法之间具有可比性。在本实验中，本文设置了训练得到的表示向量的长度大小为100，训练集的训练比例为0.7、0.8和0.9。实验结果如表2所示。