大规模链路预测评估的局限性与替代方案

链路预测是指在一系列相互关联的数据实体中识别缺失链接的问题，由于其适用于图状领域，已成为一个热门的研究领域。由于图属性（如大小和密度）的可变性，对提出的众多链路预测算法的性能进行一致评估可能具有挑战性。在本文中，我们首先讨论适用于链路预测评估的传统数据挖掘解决方案，并论证其产生忠实且有用评估的能力。我们还介绍了一种对传统评估方法的创新修改，旨在通过解决类别不平衡问题，使其适应于评估应用于大型图的链路预测算法。我们对所提出的方法进行了实证评估，并基于这些发现，论证了其在大规模图处理评估中的重要性。