《表6 模型在CA-GrQc数据集上的评估结果》

  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科研合作推荐研究》

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

除金融领域外，本文还从斯坦福大学网络分析平台上选取了一个大型网络数据CA-GrOc，该数据集包含1993年1月—2003年4月，收录在arXiv的广义相对论和量子宇宙论条目下的14496篇文章，其中的论文合著者有5242人，据此构建出物理研究领域的合著网络。将合著网络按一定比例分为训练集与测试集，在训练集上训练4个基线模型，并分别融合两类模型生成的网络节点表示得到四组新的节点表示；使用融合表示进行链接预测，并将AUC作为模型的评估指标，所得评估结果如表6所示。从表6的实验结果可以看出，与在金融领域的实验结果一致，在物理研究领域数据上，利用加权优化后的网络表示进行链接预测，比使用单一模型得到的表示效果更好，说明集成模型可以推广到更多领域的科研合作推荐研究。