《表6 基于ROC曲线下面积的不同算法比较》
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
《基于子图演化与改进蚁群优化算法的社交网络链路预测方法》
注:加粗的数字表示针对某数据集精度最高的算法。
其他评估方法为ROC面积[49]和精确率-召回率曲线方法[50]。各算法根据ROC曲线下面积的评估结果如表6所示;新浪微博、hep-ph和patent-colla数据集根据精确率-召回率曲线下面积所得的评估结果如表7所示。ROC曲线如图6(a)~图6(c)所示,所选的3个链路预测算法在3个数据集上的精确率-召回率曲线如图6(d)~图6(f)所示。结果表明,在大多数预测器中SE-ACO算法的精度都高于其他算法,而预测器在某几个数据集中精度较低的原因是由于数据集本身特征所导致(其他预测器实验所得结果在此不再赘述)。
图表编号 | XD00209847500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 顾秋阳、琚春华、吴功兴 |
绘制单位 | 浙江工业大学管理学院、浙江工业大学中国中小企业研究院、宁波诺丁汉大学商学院、浙江工商大学管理工程与电子商务学院、浙江工商大学管理工程与电子商务学院 |
更多格式 | 高清、无水印(增值服务) |