《表4 真实数据集上的NMI结果Tab.4 NMI on the real-world dataset》

  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

《网络异构信息的张量分解聚类方法》

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

尽管基于张量分解的异构信息聚类方法的运行时间是最长的，但是它可以一次性同时得到所有类型对象的聚类结果，这是其他方法所不能达到的。这也是为什么表5中基于张量分解的异构信息聚类方法的结果只有总时间的原因。NetClus在AC和NMI上表现最差，只达到71.86%和55.03%，但是NetClus有一个重要的优势就是其可以在聚类的同时得到这些对象的重要性排序。PathSelClus在AC和NMI上表现优于NetClus，它也有一个优点，就是基于PathSim，PathSelClus可以快速度量两个相同类型对象之间的相似度。PathSelClus在运行时间上的表现也是最好的，但是PathSelClus的结果严重依赖于元路径的选择和用户预先给定的种子。