无阈值评价指标在链接预测中的判别能力

链接预测是网络科学中一个典型且具有挑战性的问题，它试图基于已知拓扑结构来揭示缺失链接或预测未来链接。一个基本但至今未解决的问题是如何选择合适的指标来公平地评估预测算法。受试者工作特征曲线下面积（AUC）和平衡精度（BP）是早期研究中最常用的两个指标，而它们的有效性近来受到质疑。与此同时，精确率-召回率曲线下面积（AUPR）变得越来越流行，尤其是在生物学研究中。基于一个具有可调噪声和可预测性的玩具模型，我们提出了一种方法来度量任意给定指标的判别能力。我们将该方法应用于上述三种无阈值指标，表明 AUC 和 AUPR 的判别能力明显强于 BP，且 AUC 的判别能力略强于 AUPR。该结果表明，在评估链接预测算法时最好同时使用 AUC 和 AUPR，同时也警示我们仅基于 BP 的评估可能是不可靠的。本文为全面认识链接预测及其他分类问题评价指标的有效性提供了一个起点。