最近更新时间：2022.12.25
最早更新时间：2022.9.27
文章目录
1. 整体介绍
本文统计各论文中常用的异质图数据集信息。
整体表格我做了个石墨文档，但是还没整理好，以后再公开发布吧。
2. ogbn-mag
任务：节点分类，预测paper节点所属的venue（会议或期刊）（共有349类）
Leaderboard：https://ogb.stanford.edu/docs/leader_nodeprop/#ogbn-mag
可通过PyG直接加载。
3. AMiner (metapath2vec)
任务：节点分类，预测venue或author所属的类别
数据来自Re31：读论文 metapath2vec: Scalable Representation Learning for Heterogeneous Networks一文，最初出自ArnetMiner: Extraction and Mining of Academic Social Networks一文。
可通过PyG直接加载。
4. AMinerNetwork
数据来自https://www.aminer.org/aminernetwork（论文也是ArnetMiner: Extraction and Mining of Academic Social Networks），在A multilayered approach for link prediction in heterogeneous complex networks一文中被用作链路预测任务（但是在这篇文章里叫DBLP，是不是很无语）。
5. DBIS
任务：计算节点相似度
数据来自Re31：读论文 metapath2vec: Scalable Representation Learning for Heterogeneous Networks一文，最初出自Pathsim: Meta path-based top-k similarity search in heterogeneous information networks一文。
不便使用dropbox的读者如需下载数据，可在该GitHub项目README文件中展示的百度网盘链接里下载：https://github.com/PolarisRisingWar/HGNN_Collection
加载方式可参考我写的代码：https://github.com/PolarisRisingWar/HGNN_Collection/blob/master/load_data/dbis_pyg.py
6. DBLP (MAGNN)
任务：节点分类，预测author所属的research areas（共有4类）
数据来自MAGNN: Metapath Aggregated Graph Neural Network for Heterogeneous Graph Embedding一文，出自Graph-based Consensus Maximization among Multiple Supervised and Unsupervised Models和Graph regularized transductive classification on heterogeneous information networks。
可通过PyG直接加载。
7. IMDB (MAGNN)
任务：节点分类，预测movie所属的category（共有3类）
数据来自MAGNN: Metapath Aggregated Graph Neural Network for Heterogeneous Graph Embedding一文。
可通过PyG直接加载。
（和下面的IMDB (Simple-HGN)用的是同一套原始数据集）
8. IMDB (Simple-HGN)
任务：节点分类，预测movie标签（共有5类）
数据来自Are We Really Making Much Progress? Revisiting, Benchmarking, and Refining Heterogeneous Graph Neural Networks
9. LastFM
任务：链路预测（user-to-artist）
数据来自Are We Really Making Much Progress? Revisiting, Benchmarking, and Refining Heterogeneous Graph Neural Networks，出自HetRec 2011
可通过PyG直接加载。
10. MovieLens (PyG)
（我在石墨文档中的统计信息是通过2022年9月下载的数据计算得到的）
原始数据是https://files.grouplens.org/datasets/movielens/ml-latest-small.zip。
可通过PyG直接加载。
11. ACM
任务：节点分类（paper，共3类）
数据来自Are We Really Making Much Progress? Revisiting, Benchmarking, and Refining Heterogeneous Graph Neural Networks，出自Heterogeneous graph attention network
12. Freebase
任务：节点分类（book，共7类）
数据来自Are We Really Making Much Progress? Revisiting, Benchmarking, and Refining Heterogeneous Graph Neural Networks，出自Heterogeneous Network Representation Learning: A Unified Framework with Survey and Benchmark。
13. ogbl-biokg
任务：链路预测
leaderboard：https://ogb.stanford.edu/docs/leader_linkprop/#ogbl-biokg
102
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
