《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》
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。
图表编号 | XD00209848200 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) |