《表3 与现存方法对比:基于熵加权属性子空间的目标社区发现》
选取两个目标社区划分算法FocusCO、TSCM和一个经典的社区发现算法Girvan-Newman(G-N)[18]与本文方法分别从发现的目标社区质量和时间两方面进行比较。其中,FocusCO创新的提出了以用户为中心的属性图目标社区发现方法;TSCM基于目标子空间挖掘目标社区集合;G-N作为经典的社区发现算法不执行目标社区划分,则测量该方法返回的最佳社区与标准社区之间的相似度。因此,本文选取上述3种方法作为实验参照,各算法对比如表3所示。
图表编号 | XD0070616600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 刘海姣、马慧芳、昌阳、李志欣 |
绘制单位 | 西北师范大学计算机科学与工程学院、西北师范大学计算机科学与工程学院、桂林电子科技大学广西可信软件重点实验室、西北师范大学计算机科学与工程学院、广西师范大学广西多源信息挖掘与安全重点实验室 |
更多格式 | 高清、无水印(增值服务) |