《表7 机器学习分类算法对知识网络节点对齐效果的影响》

  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

《基于深度学习的领域知识对齐模型研究：知识网络视角》

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

注：阈值为0，维度为50。

KNA模型中，在确定跨语言网络表示学习算法和特征选取方法后，需要选择合适的机器学习分类算法完成异构网络的链接预测任务。由于机器学习算法种类繁多，本文选择较为有代表性的几种机器学习算法，包括XGBoost、多层感知机（MLP）、随机森林（RF）、梯度提升树（GBDT）和逻辑斯蒂回归（LR），采用“向量相减+abs”的特征处理方式完成相关实验。具体实验结果如表7所示。