《表2 GBMLP与其他链路预测算法的AUC指标结果》
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。
图表编号 | XD0036947100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 杨晓翠、宋甲秀、张曦煌 |
绘制单位 | 江南大学物联网工程学院、江南大学物联网工程学院、江南大学物联网工程学院 |
更多格式 | 高清、无水印(增值服务) |