《表2 4种数据集上两种算法的AUC性能对比》
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。
图表编号 | XD0090233400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.10 |
作者 | 杨燕琳、冶忠林、赵海兴、孟磊 |
绘制单位 | 青海师范大学计算机学院、青海省藏文信息处理与机器翻译重点实验室(青海师范大学)、藏文信息处理教育部重点实验室(青海师范大学)、青海师范大学计算机学院、青海省藏文信息处理与机器翻译重点实验室(青海师范大学)、藏文信息处理教育部重点实验室(青海师范大学)、陕西师范大学计算机科学学院、青海师范大学计算机学院、青海省藏文信息处理与机器翻译重点实验室(青海师范大学)、藏文信息处理教育部重点实验室(青海师范大学)、陕西师范大学计算机科学学院、青海师范大学计算机学院、青海省藏文信息处理与机器翻译重点实验室(青海师范大学 |
更多格式 | 高清、无水印(增值服务) |