《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》
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。
图表编号 | XD00168287200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.24 |
作者 | 余传明、李浩男、安璐 |
绘制单位 | 中南财经政法大学信息与安全工程学院、中南财经政法大学统计与数学学院、武汉大学信息管理学院 |
更多格式 | 高清、无水印(增值服务) |