推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

链接预测核心指标.docx

更新时间:2026-08-16 13:36:50 大小:17K 上传用户:潇潇江南查看TA发布的资源 标签:链接预测评价指标混淆矩阵二分类图数据挖掘 下载积分:2分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

链接预测任务指标

一、链接预测任务概述

链接预测是图数据挖掘领域的经典任务,核心目标是基于图中已观测到的节点和连接关系,预测两个未连接节点之间存在边的概率,本质是挖掘图中隐含的连接结构规律,在社交网络推荐、药物分子相互作用预测、学术合作关系预测、知识图谱补全等场景都有广泛应用。不同应用场景对预测性能的侧重不同,因此需要适配多种评价指标全面衡量模型效果。

二、基础分类与核心指标

链接预测属于二分类任务范畴(判断节点对之间是否存在边,即正样本/负样本),因此可以沿用二分类任务的基础评价指标,同时结合链接预测任务本身的负采样、数据分布特性衍生出专门指标。

(一)基于混淆矩阵的基础指标

链接预测通常会将节点对分为正样本(真实存在边)和负样本(真实不存在边),模型会给出每个节点对存在边的预测得分,根据得分阈值划分预测正/负样本后得到混淆矩阵,四个基础元素为:

· TPTrue Positive:真实为正、预测为正的样本数

· TNTrue Negative:真实为负、预测为负的样本数

· FPFalse Positive:真实为负、预测为正的样本数

· FNFalse Negative:真实为正、预测为负的样本数

基于混淆矩阵衍生的常用指标如下:

1. 准确率(Accuracy计算公式:$Accuracy = \frac{TP+TN}{TP+TN+FP+FN}$含义:所有预测正确的样本占总样本的比例,是最直观的整体精度衡量指标。但链接预测任务普遍存在严重的类别不平衡问题:图中实际存在的边(正样本)数量远低于不存在的边(负样本),此时即使模型将所有样本都预测为负样本,也能得到很高的准确率,因此准确率很少单独作为核心评价指标,仅作为辅助参考。


部分文件列表

文件名 大小
链接预测核心指标.docx 17K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载