《表5 SE-ACO算法的Top-n与其他算法的精度比较情况》

  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》

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

注：加粗的数字表示针对某数据集精度最高的算法。

根据优于随机预测器的倍数，SE-ACO算法的Top-n与其他算法的精度比较情况如表5所示，n为大于或等于1的正整数，精度会随n先变大再变小。对于每个预测器，给定数字表示优于随机预测器的倍数。例如新浪微博数据集上SE-ACO算法的结果为42.68，这表明该算法的精度要优于随机预测器42.68倍，因此SE-ACO算法在新浪微博中的精度为24.69%，即0.578 4%与42.68的乘积。表5中的SR和RP用于大型数据库时非常耗时，故使用少数数据集进行实验时未使用这些算法。对于Twitter数据集的实验结果中AA预测器效果最佳的原因，本文认为这是由于AA预测器为基于节点相似度进行预测的，其中度数较小的2个节点的公共邻点比其他节点更有价值。而由于Twitter为主要发布短文本的社交网络平台，故节点之间相似度本身较强，预测精度相对较高。