社交网络图数据集

已于 2024-07-16 10:43:28 修改
阅读量682 收藏 14
点赞数 11
分类专栏： 图划分 文章标签： 社交网络图dataset
于 2024-07-14 15:03:25 首次发布
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/weixin_43856668/article/details/140388732
版权

Stanford Large Network Dataset Collection 斯坦福大学大型网络数据集

官方网站：https://snap.stanford.edu/data/
 

the University of Florida Sparse Matrix Collection 佛罗里达大学稀疏矩阵集合

官方网站：https://sparse.tamu.edu/
 
 

1、com-Orkut（OK）：是Orkut社交网络的无向图

 
官方网站：https://snap.stanford.edu/data/com-Orkut.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/com-orkut.ungraph.txt.gz

Source (citation) 来源（引用）：J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍：

数据集统计（属性）值
Nodes 节点3072441
Edges 边117185083
平均聚类系数0.1666
三角形数量627584181
社区数量8455253
平均社区规模34.86
每个节点的社区成员资格95.9

2、com-LiveJournal：LiveJournal 社交网络和真实社区

 
官方网站：https://snap.stanford.edu/data/com-LiveJournal.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/com-lj.ungraph.txt.gz

Source (citation) 来源（引用）：J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍：

数据集统计（属性）值
Nodes 节点3997962
Edges 边34681189
平均聚类系数0.2843
三角形数量177820130
社区数量311782
平均社区规模40.06
每个节点的社区成员资格3.09

3、com-Friendster：Friendster 是一个在线游戏网络

 
官方网站：https://snap.stanford.edu/data/com-Friendster.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/com-friendster.ungraph.txt.gz

Source (citation) 来源（引用）：J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍：

数据集统计（属性）值
Nodes 节点65608366
Edges 边1806067135
平均聚类系数0.1623
三角形数量4173724142
社区数量1449666
平均社区规模26.72
每个节点的社区成员资格0.32

4、com-Youtube：YouTube 是一个包含社交网络的视频共享网站

 
官方网站：https://snap.stanford.edu/data/com-Youtube.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/com-youtube.ungraph.txt.gz

Source (citation) 来源（引用）：J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍：

数据集统计（属性）值
Nodes 节点1134890
Edges 边2987624
平均聚类系数0.0808
三角形数量3056386
社区数量8385
平均社区规模13.5
每个节点的社区成员资格0.1

5、com-DBLP：DBLP 计算机科学参考书目提供了计算机科学研究论文的完整列表

 
官方网站：https://snap.stanford.edu/data/com-DBLP.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/com-dblp.ungraph.txt.gz

Source (citation) 来源（引用）：J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍：

数据集统计（属性）值
Nodes 节点317080
Edges 边1049866
平均聚类系数0.6324
三角形数量2224385
社区数量2547
平均社区规模429.79
每个节点的社区成员资格2.56

6、com-Amazon：亚马逊产品共同购买网络和真实社区

 
官方网站：https://snap.stanford.edu/data/com-Amazon.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/com-amazon.ungraph.txt.gz

Source (citation) 来源（引用）：J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍：

数据集统计（属性）值
Nodes 节点334863
Edges 边925872
平均聚类系数0.3967
三角形数量667129
社区数量49732
平均社区规模99.86
每个节点的社区成员资格14.83

7、wiki-Talk：维基百科谈话网络

 
官方网站：https://snap.stanford.edu/data/wiki-Talk.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/Wiki-Talk.txt.gz

Source (citation) 来源（引用）：J. Leskovec, D. Huttenlocher, J. Kleinberg. Predicting Positive and Negative Links in Online Social Networks. WWW 2010.

介绍：

数据集统计（属性）值
Nodes 节点2394385
Edges 边5021410
平均聚类系数0.0526
三角形数量9203519

8、ego-Facebook：社交圈：脸书

 
官方网站：https://snap.stanford.edu/data/ego-Facebook.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/facebook.tar.gz

Source (citation) 来源（引用）：J. McAuley and J. Leskovec. Learning to Discover Social Circles in Ego Networks. NIPS, 2012.

介绍：

数据集统计（属性）值
Nodes 节点4039
Edges 边88234
平均聚类系数0.6055
三角形数量1612010

9、ego-Twitter：社交圈：推特

 
官方网站：https://snap.stanford.edu/data/ego-Twitter.html

下载链接：http://snap.stanford.edu/data/bigdata/communities/twitter.tar.gz

Source (citation) 来源（引用）：J. McAuley and J. Leskovec. Learning to Discover Social Circles in Ego Networks. NIPS, 2012.

介绍：

数据集统计（属性）值
Nodes 节点81306
Edges 边1768149
平均聚类系数0.5653
三角形数量13082506

10、Hollywood-2009：电影演员无向协作网络之一

 
官方网站：https://networkrepository.com/ca-hollywood-2009.php

下载链接：https://nrvis.com/download/data/ca/ca-hollywood-2009.zip

Source (citation) 来源（引用）：Rossi R, Ahmed N. Hollywood collaboration networks[EB/OL]. 2023. https: //networkrepository.com/ca-hollywood-2009.php/.

介绍：

数据集统计（属性）值
Nodes 节点1.1M
Edges 边56.3M
平均聚类系数0.766355
三角形数量14.7B

11、twitter-2010

 
官方网站：https://law.di.unimi.it/webdata/twitter-2010/

下载链接：http://data.law.di.unimi.it/webdata/twitter-2010/twitter-2010.graph

Source (citation) 来源（引用）：Twitter. 2010. . https://law.di.unimi.it/webdata/twitter-2010/

介绍：

数据集统计（属性）值
Nodes 节点41 652 230
Edges 边1 468 365 182
平均度35.253
今我来思雨霏霏_JYF
关注
  • 11
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
社交网络真实数据集
Jack的博客
07-19 2673
该文搜集了一些复杂网络数据集
从上到下｜图网络开放数据集
chengsen.ren
09-04 5473
从上到下｜图网络开放数据集 很多学者和机构发布了许多与图相关的任务，以测试各种GNN的性能。这些任务一般都会提供数据集。 按照任务分类，可以把数据集分成以下几类： 引文网络 生化图 社交网络 知识图谱 开源数据集仓库 参考资料： A Comprehensive Survey on Graph Neural Networks Introduction to Graph Neural Networks 引文网络 Pubmed/Cora/Citeseer 引文网络，节点为论文、边为论文间的引用关系。这
图网络常用数据集总结——Cora, CiteSeer, PubMed, PPI, BlogCatalog, Yelp
热门推荐
weixin_43580130的博客
05-06 2万+
Cora数据集(引文网络)由机器学习论文组成，是近年来图深度学习很喜欢使用的数据集。该数据集共2708个样本点，每个样本点都是一篇科学论文，所有样本点被分为8个类别，类别分别是： 1）基于案例；2）遗传算法；3）神经网络；4）概率方法；5）强化学习；6）规则学习；7）理论 每篇论文都由一个1433维的词向量表示，所以，每个样本点具有1433个特征。词向量的每个元素都对应一个词，且该元素只有0或1两个取值。取0表示该元素对应的词不在论文中，取1表示在论文中。所有的词来源于一个具有1433个词的字典。 每篇论文
图神经网络数据集
baye_DOA的博客
10-18 541
GNN数据集 ，pytorch
图网络训练的常用数据集汇总
qq_43449643的博客
06-14 4545
图网络训练的常用数据集汇总
图神经网络Core数据集介绍
yihanyifan的博客
07-24 3243
图神经网络：Core数据集介绍
用于社交网络 图数据分析的数据 用于社交网络 图数据分析的数据 用于社交网络 图数据分析的数据 用于社交网络 图数据分析的数据
04-20
用于社交网络 图数据分析的数据 用于社交网络 图数据分析的数据 用于社交网络 图数据分析的数据 用于社交网络 图数据分析的数据 用于社交网络 图数据分析的数据 用于社交网络 图数据分析的数据 用于社交网络 图数据...
Flickr社交网络数据集
01-02
《Flickr社交网络数据集深度解析》 Flickr，作为全球知名的图片与视频分享平台，其用户间的互动数据构成了一个庞大的社交网络。该平台不仅承载了丰富的多媒体内容，更是研究社交网络、用户行为以及社区结构的理想...
COLLAB数据集 图神经网络
05-31
COLLAB数据集是一个专门为GNN设计的社会网络数据集，包含5000个社交网络图。每个图代表一个社区，节点代表社区成员，边则表示成员之间的交互关系。图的平均节点数约为74，平均边数为2457，这表明这些社交网络具有...
IMDB-BINARY数据集 图神经网络
最新发布
05-31
图神经网络GNN数据集，社交网络领域数据集，共有1000张图，二分类，平均节点为19，平均边数为96
社交网络数据集
05-04
可以用于复杂网络学习，网络结构研究，如社团划分发现等
带噪音的社交网络对齐数据集.zip
01-30
这个"带噪音的社交网络对齐数据集.zip"压缩包文件显然提供了用于研究和实验的数据，让我们深入探讨一下相关知识点。 首先，我们要理解什么是社交网络。社交网络是由个人或实体之间的关系构成的图结构，这些关系可以...
图神经网络实战（5）——常用图数据集
盼小辉丶的博客
03-20 2909
Cora 和 Facebook Page-Page 是图神经网络领域中经常使用的两个基准图数据集，通常用来比较不同模型的性能。在本节中，介绍了如何使用 PyTorch Geometric 库提供的数据集类加载 Cora 和 Facebook Page-Page 数据集，并探索了两个数据集的主要特征。
GNN图神经网络常用数据集总结
争取早日成为硅农
12-23 1万+
图神经网络（Graph Neural Network，GNN）是一种新兴的神经网络模型，适用于处理图数据。与传统的神经网络模型不同，GNN 能够有效地捕捉节点之间的结构信息和关系，并对节点进行精准的分类、聚类和预测分析。因此，GNN 在社交网络、生物信息学、推荐系统、物联网等领域得到了广泛的应用。为了研究和评估 GNN 的性能，需要使用各种不同类型的数据集。这些数据集包含了不同领域的实际问题，例如社交网络中的用户关系、生物学中的蛋白质分子结构、推荐系统中的用户行为等。
图神经网络GNN(一): 简单图论与PyG中图数据集的表示及其使用
Miracle8070
06-14 4888
1. 写在前面 这个系列整理的关于GNN的相关基础知识， 图深度学习是一个新兴的研究领域，将深度学习与图数据连接了起来，推动现实中图预测应用的发展。 之前一直想接触这一块内容，但总找不到能入门的好方法，而这次正好Datawhale有组队学习课，有大佬亲自带队学习入门，不犹豫，走起(感谢组织)。所以这个系列是参加GNN组队学习的相关知识沉淀， 希望能对GNN有一个好的入门吧 ???? 这篇文章是简单的图论知识，以及环境的相关搭建内容， 算作对图的一个初识， 在简单的图论知识介绍里面，基本上是数据结构里面图的有
碎片笔记｜图数据与图神经网络基础介绍
Meiling_up
08-16 767
碎片笔记｜图数据与图神经网络介绍
社交网络常用数据集
qq_41615394的博客
10-20 4399
复杂网络的研究很多都离不开数据集，下面这些是个人在做科研的过程中在互联网上搜集到的一些数据集网站，列举出来也方便同行们去使用。（2018年12月14日更） 1、http://vladowiki.fmf.uni-lj.si/doku.php?id=pajek:data:urls:index 数据集网站集合。这个网站中列出来很多数据集网站，非常全，其中的很多网站数据描述详细，而且数据可以直接下载，大家可以从中选出一些网站收藏起来。 2、http://snap.stanford.edu/data/ 这个是斯坦福大
社会网络数据集
teacherfbj的博客
05-31 7479
分享几个社会网络数据集网址 http://networkrepository.com/soc.php 2. http://snap.stanford.edu/data/ 3. http://www-personal.umich.edu/~mejn/netdata/ 另外几个比较好用的分析工具 Pajek和Gephi社会网络分析
评论
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
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