《表2 GBMLP与其他链路预测算法的AUC指标结果》

  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

《基于网络表示学习的链路预测算法》

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

综合以上实验结果发现:首先，各算法在不同数据集上的预测性能受网络拓扑结构的影响。如LP算法在Cora数据集上取得了最高的AUC值，在Facebook和Wikipedia数据集上却均为最低。GBMLP、NLC等算法在Facebook数据集上的精度明显高于其在Cora上的表现。其次，评估各预测算法性能的AUC和Precision指标并不总是同步。如经典的JC算法，虽然在四个数据集上都能取得较高水平的AUC值，Precision值却普遍很低。此现象的原因可能是精确度取值只注重前面的L条边是否预测准确，而AUC是从整体上衡量算法的精确度。