《表4 不同维度下不同数据集的AvgF1指标》
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.
图表编号 | XD0058065900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 王瑞国、叶雅玲、卜湛 |
绘制单位 | 南京财经大学软件工程系、南京财经大学软件工程系、南京财经大学软件工程系 |
更多格式 | 高清、无水印(增值服务) |