《表2 AUC结果对比：基于拓扑稳定性的有向网络链路预测方法》

  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

《基于拓扑稳定性的有向网络链路预测方法》

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

针对不同的链路预测方法，所得的预测结果各不相同。从表2中可以看出，在不同的网络，stability方法预测结果均较好。其中LRL和Wikivote网络，提出方法与全局方法相差不超过1%。CN作为最简单的相似性指标，有多种改进的方法，AA、RA考虑了共同连接节点的度，LP考虑了三阶路径信息，在前三个食物链网络中，有接近20%的提升，剩余的网络中AA、RA、LP与CN持平。Katz方法考虑了全局信息，时间复杂度较高，预测效果相对较好，从预测结果可以看出，Katz方法的预测结果在大部分网络中与LP预测结果相差不大。然而P2P网络中PA预测结果最好，在该网络中，节点与节点之间直接形成连边，节点之间的邻居所起作用小，预测结果表现较差。其中Car方法在LRL和FWMW中表现最好及较好，说明这两个网络共同邻居之间有较多的连边，剩余物料中共同邻居之间联系较少。在FWEW、HP（Stelzl）、Wikivote、P2P网络中，PA结果与本文方法结果相差不大，反映在这几个网络中节点的出入度扮演着重要作用，预测的节点对之间产生连边能形成的闭合结构少。