《表1 社区准确率比较(%)》

  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

《半监督元路径的异构信息网络社区发现算法》

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

本次实验分别对数据集Ss和Sl的authors和papers作为目标对象进行分析．首先使用Path Count计算目标对象相似性，使用NMF方法对目标对象划分，社区发现的准确率如表1中的第2列所示；然后使用本文算法SM p C对目标对象相似性进行校验，其相应的社区发现准确率如表1中的第3列所示．以此类推，分别使用Path Sim和JoinSim计算目标对象相似性，使用NMF方法对目标对象划分，社区发现的准确率如表1中的第4列和第6列所示；然后使用本文算法SMp C，其相应的社区发现准确率如表1中的第5列和第7列所示．表1的实验结果说明本文算法SMp C社区发现的准确率有明显提高．说明本文算法能够有效提高异构信息网络社区发现的准确率．