《表1 实验数据信息:基于模体演化与社区一致性的时序链路预测方法》
本文使用三个真实的社交网络进行链路预测的实验。数据集分别来自Facebook、Ask Ubuntu、Math Overflow三个社交网络。Facebook网站提供了用户留言的功能,网站中的用户可以为其他用户留言,Facebook-wall数据集是美国新奥尔良地区45 813个用户在长达1 561 d的留言记录,该数据集包含留言者、被留言者以及以UNIX时间戳的形式保存的留言时间[22]。其中,Sx-askubuntu数据集是在Ask Ubuntu网站中159 316个用户在时间跨度为2 613 d的问答数据。数据集中包含回答者ID、提问者ID和以UNIX时间戳形式表示的回答时间[23]。同Sx-askubuntu数据集相似,Sx-mathoverflow数据集是Math Overflow网站的用户问答数据,时间跨度为2 350 d,该数据集所包含的内容与Sx-askubuntu数据集一致[24]。三个数据集中的动态边表示包含重复边的所有边数,实验中,只保留一次社交网络中的重复边,并将该边所出现的次数作为边的权重值,除去所有重复边后数据集中所包含的边指静态边数。数据集的具体信息如表1所示。
图表编号 | XD003903500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 刘书新、刘群、杜凡 |
绘制单位 | 重庆邮电大学计算智能重庆市重点实验室、重庆邮电大学计算智能重庆市重点实验室、重庆邮电大学计算智能重庆市重点实验室 |
更多格式 | 高清、无水印(增值服务) |