《表2 4种数据集上两种算法的AUC性能对比》

  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

《基于高阶近似的链路预测算法》

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

观察表2中的数据结果，对于原始链路预测方法，在四个数据集上链路预测准确率都高于80%的仅有4个算法，即LP、Katz、Cos+和MFI。其中Katz和MFI算法链路预测性能较优，尤其是在Citeseer数据集上准确率都达到了97%以上；而CN、Salton、HPI等算法在Citeseer数据集上显示链路预测准确率较差，最低低至65%。对比相关工作中所列出的基于相似性的链路预测算法发现，基于路径的相似性方法链路预测性能较优，基于网络局部结构信息相似性方法性能较差。对于本文方法，在四个数据集上链路预测准确率都高于80%的有14个算法，即为CN、Salton、HPI、HDI、LHN-1、AA、RA、LP、Katz、LNBAA、LNBCN、LNBRA、Cos+和MFI。其中HDI、LNBRA和Salton算法链路预测性能较优，尤其是在DBLP数据集上准确率都达到了93.5%以上；而ACT在Citeseer数据集上显示链路预测准确率较差，最低低至35.9%。对比相关工作中所列出的基于相似性的链路预测算法发现，基于网络局部结构信息相似性方法性能较优，基于随机游走的相似性方法链路预测性能较差。通过对比原始链路预测方法和本文方法可以发现，利用LP-HOPA后，链路预测准确率都高于80%的算法个数比原始链路预测算法多10个，这些算法为CN、Salton、HPI、HDI、LHN-1、AA、RA、LNBAA、LNBCN和LNBRA。大部分相比原始链路预测算法准确率提升了4%到50%不等，仅有极个别算法有较小幅度的下降。原始算法基于路径的相似性方法链路预测性能较优，而利用LP-HOPA后基于网络局部结构信息相似性方法性能较优，在一定程度上肯定了本文方法的可行性和有效性。