《表4 不同维度下不同数据集的AvgF1指标》

  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

《一种基于网络嵌入的社区发现方法》

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

最终选取上述实验的最优参数与基准方法做对比，为公平起见，每个算法在每个数据集中分别独立执行30次，图2分别记录了在数据集1到数据集8中不同方法最优社区划分结果的AvgF1指标.实验设定选取网络嵌入共识嵌入维度为40维，节点邻居相似性函数选取Jaccard系数，Bregman divergence选取欧式距离函数.从图2中观察AvgF1指标，可以较为明显地观察到LIK-means在Twitter1-2优于BigClam算法以及Walktrap算法；在Twitter-4数据集中LIK-means仅逊色于Oslom算法以及Clauset-Newman算法；在Google+-1数据集中表现最好是算法依次为Oslom、Clauset-Newman和LIK-means；在Google+-2数据集中LIK-means算法要优于其他算法.