从上到下｜图网络开放数据集

本文链接：https://blog.csdn.net/weixin_46970982/article/details/108401827

本文介绍了多个领域的图网络开放数据集，包括引文网络、生化图、社交网络、知识图谱，以及一些开源数据仓库，如DBLP、PPI、Reddit、FB15K等，这些数据集常用于测试图神经网络的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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。这三个数据集通常用于链路预测或节点分类。

这三个数据集均来自于：
《Collective classification in network data》

下载链接可从以下网址找到：
https://linqs.soe.ucsc.edu/data

DBLP

DBLP是大型的计算机类文献索引库。原始的DBLP只是XML格式，清华唐杰教授的一篇论文将其进行处理并获得引文网络数据集。到目前为止已经发展到了第12个版本。

DBLP引用网络论文：
《ArnetMiner: Extraction and Mining of Academic Social Networks》

原始数据可以从这里获得：

https://dblp.uni-trier.de/xml/

如果是想找处理过的DBLP引文网络数据集，可以从这里获得：

https://www.aminer.cn/citation

数据集	节点数	边数	特征	标签
Cora	2,708	5,429	1,433	7
Citeseer	3,327	4,732	3,703	6
Pubmed	19,717	44,338	500	3
DBLP_v12	4,894,081	45,564,149	-	-

生化图

PPI

蛋白质-蛋白质相互作用（protein-protein interaction, PPI）是指两个或两个以上的蛋白质分子通过非共价键形成蛋白质复合体（protein complex）的过程。

PPI数据集中共有24张图，其中训练用20张，验证/测试分别2张。

节点最多可以有121种标签（比如蛋白质的一些性质、所处位置等）。每个节点有50个特征，包含定位基因集合、特征基因集合以及免疫特征。

PPI论文：
《Predicting multicellular function through multi-layer tissue networks》
PPI下载链接：
http://snap.stanf