【数据集】ACM数据集

ACM（Association for Computing Machinery）数据集是计算机科学领域常用于研究学术论文、作者关系、引文网络、推荐系统、图神经网络（GNN）等任务的数据集之一。该数据集通常包含学术论文、作者、研究领域以及它们之间的关系，并在许多机器学习、数据挖掘和社交网络分析任务中广泛使用。

---

1. ACM数据集的版本和来源

ACM数据集的版本较多，不同版本的数据来源和内容可能有所不同，常见的版本包括：

• ACM Citation Network Dataset：由Microsoft Academic Graph（MAG）或DBLP提取的ACM引用网络数据，包含论文及其引用关系。
• ACM Author-Paper Dataset：用于学术社交网络分析，包含作者、论文及其关系信息。
• ACM数据集（ACM-DBLP）：用于异质图神经网络（Heterogeneous Graph Neural Networks, HGNN）研究，包括论文、作者和研究领域。

---

2. 数据结构

不同的ACM数据集包含不同的信息，以下是常见的数据组织形式：

(1) 节点类型

ACM数据集通常包含以下几类节点：

• Paper（论文）：包括论文ID、标题、摘要、发表年份、会议等信息。
• Author（作者）：包括作者ID、姓名、单位等信息。
• Conference/Venue（会议或期刊）：论文发表的会议或期刊信息。
• Field（研究领域）：论文所属的计算机科学研究方向。

(2) 边类型（关系）

• (Author, writes, Paper)：作者撰写论文的关系。
• (Paper, cites, Paper)：论文引用其他论文的关系。
• (Paper, published_in, Conference)：论文发表在会议上的关系。
• (Paper, belongs_to, Field)：论文所属的研究领域。

(3) 典型数据格式

ACM数据集通常以CSV、JSON、Graph（图数据格式，如Neo4j、DGL、PyG）存储。常见的数据示例如下：

论文表 (Papers.csv)

PaperID	Title	Y