19、社交网络分类与SIS数据爬取策略研究

社交网络分类与SIS数据爬取策略研究

社交网络分类研究

数据集分类精度分析

在社交网络数据分类中，不同数据集具有不同的特性，这些特性会显著影响分类器的精度。以Cora和CiteSeer数据集为例，Cora数据集的局部同质性（LO homophily）高于CiteSeer，这使得LO分类器在Cora数据集上的精度也更高。对于Cora数据集，在CO分类器中使用数千个特征，不如在LO分类器中简单地使用聚合的类邻居，就能获得更好的精度。这是因为这两个数据集都具有较高的同质性，而LO（以及ICA）方法能从同质性中受益。

数据集	LO同质性	LO精度	CO分类器特征使用情况	LO分类器特征使用情况
Cora	高	高	数千个特征	聚合的类邻居
CiteSeer	低	相对低	-	-

不同分类方法的表现

对于Cora和CiteSeer数据集，BN方法在ICA分类中给出了最佳结果，并且ICA的表现优于CO方法。然而，由于链接图的高同质性，ICA的精度仅比LO略好