图神经网络实战（5）——常用图数据集

0. 前言

图数据集往往比单纯的连接集合更丰富，节点和边也可以具有表示分数、颜色、单词等的特征。在输入数据中包含这些附加信息对于生成最佳嵌入至关重要。而由于节点和边的特征与表格(非图)数据集具有相同的结构，意味着神经网络等经典技术可以应用于这些数据。在本节中，我们将介绍两个常见图数据集：Cora 和 Facebook Page-Page。

0. 图数据集介绍

在图神经网络 (Graph Neural Networks, GNN) 中所使用的图数据集通常比 Zachary’s Karate Club 数据集更丰富：它们有更多的节点、更多的边，并且包含节点特征。在本节中，我们将对常用的两个数据集进行介绍，以便让我们对这些图有一个全面的了解，并了解如何用 PyTorch Geometric 处理它们：

• Cora 数据集
• Facebook Page-Page 数据集

2. Cora 数据集

Cora 数据集由 Sen 等人于 2008 年提出，是科学文献中最流行的节点分类数据集。它是一个由 2708 篇出版物组成的网络，其中每个连接都是一个引用。每篇出版物都被描述为一个由 1,433 个唯一单词组成的二进制向量，其中 0