NeighborGeo：基于neighbors的IP地理定位

X. Wang, D. Zhao, X. Liu, Z. Zhang, T. Zhao, NeighborGeo: IP geolocation based on neighbors, Comput. Netw. 257 (2025) 110896,

5. Case analysis

为了说明NeighborGeo在优化图结构和利用邻居信息进行预测方面的优势，将目标IP地址的预测过程可视化，并将其与当前性能最好的方法RIPGeo进行比较。在此可视化中，蓝色标记表示地标IP地址，绿色标记表示目标IP地址的实际位置，红色标记表示预测位置。使用各种颜色的线来描绘影响关系：红线表示对预测施加最显著影响的地标，而蓝色线表示次要影响地标。

这种颜色和线条的区分，不仅清晰地揭示了不同地标对地理定位精度的具体影响，而且便于深入分析。根据地标的分布情况，将其划分为2个场景，对比NeighborGeo和RIPGeo的定位效果，从而突出所提模型的优势。

5.1. Uniform landmark distribution

均匀地标分布

图6展示了路标均匀分布条件下NeighborGeo（左）和RIPGeo（右）预测过程的可视化结果。通过这些图，我们可以看到，在地标均匀分布的环境中，虽然我们的模型和RIPGeo在视觉上表现出相似的预测结果，但它们的权重分配策略存在显著差异。RIPGeo倾向于关注单个地标，即使该地标不是离目标最近的。相比之下，该模型对附近地标的信息进行优先级分配。虽然由于图神经网络的全局优化过程，这两个模型都可能表现出中心偏差，但我们的模型通过优先考虑附近的地标来实现更准确的预测。当标记点均匀分布时，预测误差本质上是最小的，因为目标与周围的标记点非常接近。因此，两个模型之间的性能差异变得不那么明显。