Resumen

Con la aparición de numerosos métodos de predicción de enlaces, cómo evaluarlos con precisión y seleccionar el adecuado se ha convertido en un problema clave que no se puede ignorar. Desde que el AUC se utilizó por primera vez para la evaluación de predicción de enlaces en 2008, es posiblemente la métrica más preferida porque equilibra bien el papel de victorias (el enlace de prueba tiene una puntuación más alta que el enlace no observado) y el papel de empates (tienen la misma puntuación). Sin embargo, en muchos casos, el AUC no muestra suficiente discriminación al evaluar métodos de predicción de enlaces, especialmente aquellos basados en similitud local. Por lo tanto, proponemos una nueva métrica, llamada índice W, que considera solo el efecto de las victorias en lugar de los empates. Nuestros experimentos extensos en varias redes muestran que el índice W hace que las puntuaciones de precisión de los métodos de predicción de enlaces sean más distinguibles, y no

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Métodos de predicción de enlaces; Evaluar; AUC; índice W; Similitud local; Puntuaciones de precisión
• Keywords:Link prediction methods; Evaluate; AUC; W-index; Local similarity; Accuracy scores