《表1 社区准确率比较(%)》
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.
图表编号 | XD00175963600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 陈丽敏、张岩、杨柳 |
绘制单位 | 牡丹江师范学院计算机与信息技术学院、牡丹江师范学院计算机与信息技术学院、牡丹江师范学院计算机与信息技术学院 |
更多格式 | 高清、无水印(增值服务) |