《表3 真实网络聚类效果:半监督属性网络表示学习方法》
将SSNE方法学到的表示应用于聚类任务进行测试,评估学到表示的质量。通过给定先验比例,来判断先验在学习过程中起到的作用,同时为了减弱随机性,每个比例下的实验结果为独立重复10次的平均值。表3、表4为本算法与Planetoid、GCN两个半监督算法在不同数据集上得到Embeddings聚类效果,采用标准化互信息NMI[21]进行评估。
图表编号 | XD0090160900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.15 |
作者 | 张璞、柴变芳、张静、李文斌 |
绘制单位 | 河北地质大学信息工程学院、河北地质大学信息工程学院、河北地质大学信息工程学院、河北地质大学教务处 |
更多格式 | 高清、无水印(增值服务) |