《表3 不同模型实验结果对比》

  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

《基于图卷积嵌入与特征交叉的文献被引量预测方法：以交通运输领域为例》

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

不同模型在各个评价指标上得到的结果如表3所示。本文模型在各项指标均取得了很好的效果。本文模型通过图嵌入网络，得到相关特征的表达。在预测时，通过交叉网络，将特征进行二阶交叉，并利用GRU对其序列进行建模，最后采用注意力机制对更加重要的特征赋予更高权重。AVR模型的性能最差，表明仅仅通过找寻与目标文献具有相似变化趋势的文献进行参考，未考虑文献所附带的内容信息，难以对其未来的被引量做出有效预测。GMM模型在此基础上有了一定改进，其通过高斯混合模型对文献被引量进行相似度计算，并选取其中可能性最大的簇进行预测。NNCP模型利用深度学习方法，直接对文献的被引量变化趋势进行建模，充分考虑文献的不同被引量变化趋势。因此相比AVR与GMM模型，NNCP取得了更好的效果。