（节点分类）四大图数据集AIFB,MUTAG,BGS,AM数据集获取

最新推荐文章于 2024-03-05 15:48:51 发布
最新推荐文章于 2024-03-05 15:48:51 发布
阅读量5.5k 收藏 17
点赞数 3
分类专栏： 数据集 文章标签： 图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43391414/article/details/121898805
版权

网址：http://data.dws.informatik.uni-mannheim.de/rmlod/LOD_ML_Datasets/data/datasets/RDF_Datasets/

数据集概览：
在这里插入图片描述
前三个数据集介绍，后一个没有找到。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
那么应该明白了，拿第一个AIFB数据集为例，也就是说，一共8285个节点，其中只有176个节点有分类标签，其他都没有标签。我们要分类的对象也就是这176个节点，一部分会拿来训练，一部分拿来做测试。

不管怎么说，一个特点就是：上面的4个图全都是异构图。

上面由于有一些是从本体而来的数据集（数据集是RDF格式，例如AIFB），所以如果你要查看，可以使用斯坦福的工具protege打开，可以直接可视化图的结构。https://protege.stanford.edu/，而且也可以使用网页版了，如下：

在这里插入图片描述

音程
关注
专栏目录
MUTAG-化学分子和化合物的数据集
10-15
MUTAG—化学分子和化合物的数据集 MUTAG是一个关于化学分子和化合物的数据集，原子代表结点，化学键代表边，包含188个硝基化合物，labels是判断化合物是芳香族还是杂芳族。
RGCN论文学习(非机器翻译版！！！！)
berk666aq的博客
03-16 4820
RGCN,关系图卷积神经网络
GCN节点分类Cora数据集
03-22
GCN节点分类Cora数据集
图神经网络学习——图节点分类（Cora数据集）
Daomiyo的博客
03-05 2697
Cora数据集是一个常用的学术文献引文网络数据集，用于研究文献分类或文献引用关系分析的机器学习任务。该数据集包含了一个关于机器学习领域的学术文献引文网络，以及每篇文献的内容特征和标签信息。由于Cora数据集的规模适中且包含丰富的信息，因此成为了学术界常用的基准数据集之一。：边表示文献之间的引用关系，如果文献A引用了文献B，那么在数据集中会有一条从节点A指向节点B的边。：每个节点还包含了关于文献内容的特征，通常是词袋模型中每个单词的出现情况。：Cora数据集中的节点代表学术文献，每个节点有一个唯一的ID。
GCN、GAT实现Cora数据集节点分类（pytorch-geometric框架）
热门推荐
qq_20805805的博客
06-09 1万+
Cora数据集 介绍 下载地址：https://linqs-data.soe.ucsc.edu/public/lbc/cora.tgz Cora数据集由深度学习论文组成，论文表示为节点，论文之间的引用关系表示为节点之间的边，每篇论文引用或被至少一篇其他论文引用，不存在孤立节点。 论文被分为以下七类之一: Case_Based Genetic_Algorithms Neural_Networks Probabilistic_Methods Reinforcement_Learning Rule_Learni
图神经网络：(节点分类)Cora数据集实现图神经网络
zhishichengjin的博客
05-02 3089
图神经网路：在Cora上动手实现图神经网络
GNN之节点分类任务—Cora数据集分类（半监督）
☆下山☆的博客
02-17 3426
GNN之节点分类任务—Cora数据集分类（半监督）
MUTAG数据集 图神经网络
最新发布
05-31
在MUTAG数据集上，GNN通过迭代地聚合邻居信息来学习每个节点的表示，并将这些表示组合成整个图的特征向量，最终用于分类决策。这种“消息传递”机制使得GNN能够捕捉到图的局部和全局结构信息，从而在理解复杂化学...
基于Keras的关系图卷积网络的实现-Python开发
05-25
关系图的图卷积网络基于Keras的关系图卷积网络的实现，用于（定向）关系图上的半监督节点分类。 为了再现用于关系图的实体cla Graph卷积网络，基于Keras的关系图卷积网络的实现用于（定向）关系图上的半监督节点分类...
mutag：一个简单的库，用于获取MP3文件的元数据
02-05
您可以使用它来获取MP3音乐文件中的专辑照片，专辑名称，日期，样式和其他信息。 预习 安装 npm install mutag 用法 在浏览器中，您应该导入dist/mutag.min.js ，然后使用window.mutag 。 < script src =" ../...
graph_datasets:用于图分类的基准图数据集的存储库（总共31个图数据集）
05-11
用于图分类的基准图数据集的存储库 图分类简介 近年来，目睹了涉及具有结构关系的对象的越来越多的应用，包括生物信息学中的化合物，大脑网络，图像结构和学术引用网络。 对于这些应用程序，图形是用于建模和捕获对象之间的依赖关系的自然而强大的工具。 与传统数据不同，在传统数据中，每个实例均以特征值矢量格式表示，图具有节点-边缘结构关系，并且没有自然矢量表示。 近年来，这一挑战激发了许多图分类算法。 给定一组训练图，每个训练图与一个类别标签相关联，图分类旨在从训练图中学习模型，以预测将来看不到的图。 下图显示了矢量数据和图形数据之间的betweeb分类差异。 数据集汇总 该存储库维护31个基准图数据集，这些数据集广泛用于图分类。 图形数据集包括： 化学化合物 引文网络 社交网络 脑网络 化学化合物图形数据集采用“ .sdf”或“ .smi”格式，其他图形数据集则表示为“ .nel”格式。 所有这些
Pytorch+PyG实现EdgePool实现图分类
CSDN 精品推荐
02-18 780
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
数据集MUTAG
CaptureItTechnology的博客
11-04 8975
参考文献：https://www.jianshu.com/p/67137451b67f NCI-1、NCI-109和MUTAG是关于化学分子和化合物的数据集，原子代表结点，化学键代表边。NCI-1和NCI-109数据集分别包含4100和4127个化合物，labels是判断化合物是否有阻碍癌细胞增长得性质。MUTAG数据集包含188个硝基化合物，labels是判断化合物是芳香族还是杂芳族。 作者：V...
图数据集的构建以及基于图的节点分类和边预测
weixu22的博客
07-03 5460
程序 = 数据结构 + 算法。若想使用 PyTorch geometric 中各种有用的模型和函数，数据集的结构必须符合 PyG 的既定标准，例如 PyG 自带的 Planetoid 等数据集类。为了处理自己独有的数据集，我们必须掌握如何将原始数据转化为对应的数据集类。 PyG 构建数据集分两种， 一种继承 torch_geometric.data.InMemoryDataset，一次性加载所有数据到内存；另一种继承torch_geometric.data.Dataset, 分次加载到内存。对于占用内存有
通过GCN来实现对Cora数据集节点的分类
keepgoinggetstro的博客
01-16 550
网络中节点的一个案例的代码，每一段或者每一行的作用进行详细的解释，解释文字为#后内容。下载、解压，放在哪都可以，但是在运行前，要改为自己电脑上的绝对路径。本文代码、数据集来自。
PYG教程【三】对Cora数据集进行半监督节点分类
vincent_duan的专栏
11-18 2237
Cora数据集 PyG包含有大量的基准数据集。初始化数据集非常简单，数据集初始化会自动下载原始数据文件，并且会将它们处理成Data格式。 如下图所示，Cora数据集中只有一个图，该图包含2708个节点，10556条边，节点类别数为7，特征维度为1433。并且默认已经对数据集进行了划分，分为了训练集、验证集和测试集。 然后看看节点特征和标签。x为节点特征矩阵，维度为2708*1433。y为节点标签向量，维度为2708，类别为7。 用GCN进行半监督节点分类 接下来就可以构建一个简单的GCN模型，在Co
单层GNN完成cora数据集节点分类任务
just_so_so_fnc的博客
07-15 1230
import torch import torch.nn as nn import torch.nn.functional as F import numpy as np import matplotlib.pyplot as plt """ 引用上一篇博客中所用到的数据处理函数 """ from coraDatasetsProcess import main node_nums,feature_dims,label_list,feat_Matrix,degree_list,cites,X_Node,..
DGL节点分类【官网的例子】
bettle_king的博客
03-03 883
Cora数据集包含2708篇科学出版物， 5429条边，总共7种类别。数据集中的每个出版物都由一个 0/1 值的词向量描述，表示字典中相应词的缺失/存在。该词典由 1433 个独特的词组成。意思就是说每一个出版物都由1433个特征构成，每个特征仅由0/1表示。表示图中有2708个节点图中有10556条边。看其他说有5429条边但是dgl官网这个例子上显示10556。每个节点具有1433个特征。数据集中的目标分类数为7。训练样本数量为140。验证样本数量为500。
小型分类数据集（学习网络专用）
qq_26024067的博客
08-23 3500
Tiny Imagenet 下载
关于图卷积神经网络的数据集的论述
05-21
图卷积神经网络的数据集通常是图形数据集，这些数据集包含节点和它们之间的连接。这些节点可以代表不同的实体，如人、物品、地点等。连接可以表示这些实体之间的关系，如社交网络中的朋友关系、物品之间的相似性等。 常用的图形数据集包括Cora、Citeseer、PubMed等，这些数据集用于节点分类和图分类任务。除此之外，还有一些专门针对图形数据集的数据集，如PPI（蛋白质相互作用）数据集、MUTAG（分子图）数据集等，这些数据集用于生物学、化学等领域的图形分析任务。 此外，还有一些图形生成数据集，如ER图、BA图等，用于生成图形分析模型的训练和测试。在大多数情况下，这些数据集采用的是图形表示形式，即将图形表示为邻接矩阵和特征矩阵的形式。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

音程

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值