《表2 Citeseer数据集上节点的分类准确率》

  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

《基于多视图集成的网络表示学习算法》

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

（单位:%）

首先训练网络的表示向量，然后基于训练所得的表示向量学习一个SVM分类器，并使用不同的训练率评估网络表示向量的性能。训练数据的训练率的变化范围为10%~90%。对于训练数据，随机且不重复地从整个数据集上获取数据作为训练集，直到训练集数量达到设定的训练率（训练集占总数据集的比例），并将其余的数据作为测试集。本文中，网络节点的分类准确率均采用10次重复计算求平均值的方式获得。网络节点的表示向量长度和文本特征向量长度均设置为200。具体的结果如表2-表4所列。