数据集Cora、Citeseer、DBLP

引用：http://www.it610.com/article/281233.htm

可选用的数据集主要包括Cora、Citeseer、DBLP三类。

DBLP数据集用XML描述，字段信息包括：author、title、pages、year、booktitle、url、crossref、publisher、ee、cdrom、isbn、cite_label等。其中作者名属性信息的格式是统一的，处理比较方便。目前，DBLP对作者重名问题的处理已经有不错的效果。例如：输入一作者名“wei wang”，可以得到16个不同的作者及其工作单位，并能链接得到每个作者的发表论文情况、个人主页和合作者列表等信息。（不存在问题了吗？）此外，引文信息中除了基本信息：作者名、文章名、会议名之外，加入新的信息：author keywords，对应于论文中的keywords。但是，并非所有的论文都包含有author keywords信息，也并非所有作者都有个人主页，在个人主页链接识别上还存在问题。

Cora数据集分为6大类，36个小类。主要的文件目录包括：（1）papers：以<id> <filename> <citation string>的形式描述论文信息，其中citation string是该论文的任意一篇参考引文或者基于作者名和文章名提取出的关键字。（2）citations：大约有715000条引文信息，用<referring_id> <cited_id>形式描述论文之间的引用关系。（3）citations.withauthors：包含论文的引文信息和作者信息，描述格式为：<this_paper_id><filename><id_of_first_cited_paper><id_of_second_cited_paper>…<Author#1>(of this paper)<Author#2>…（4）classifications：记录论文的分类信息，但分类标签并不是很准确，其描述格式为：<filename> <classification>。如：http:##www.ri.cmu.edu#afs#cs#user#alex#docs#idvl#dl97.ps /Information_Retrieval/Retrieval/。

在CiteSeer数据集中，论文分为六类：Agents、AI（人工智能）、DB（数据库）、IR（信息检索）、ML（机器语言）和HCI，共包含3312篇论文，记录了论文之间引用或被引用信息。去除停用词和在文档中出现频率小于10次的词，整理得到3703个唯一词。CiteSeer数据集包含两个文件：.content文件和.cites文件，其中.content文件描述论文信息的格式为：<paper_id> <word_attributes>+<class_label>；.cites文件描述了论文之间的引用信息，格式为：<ID of cited paper> <ID of citing paper>。例如，一行内容为：paper1 paper2，那么引用关系为paper2引用paper1，即：paper2->paper1。
但是，Citeseer数据集中的分类太笼统。

数据集Cora、Citeseer、DBLP相关推荐

torch_geometric 笔记：数据集Cora 简易 GNN
1 获取数据集该数据集用于semi-supervised的节点分类任务 from torch_geometric.datasets import Planetoiddataset = Planeto ...
图网络常用数据集总结——Cora, CiteSeer, PubMed, PPI, BlogCatalog, Yelp
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 ...
GCN数据集Cora、Citeseer、Pubmed文件分析
转载自简介本文分享一下图卷积网络GCN里用到的一些数据集的格式 Cora.Citeseer.Pubmed(都是一张图:都是引文网:节点数表示论文数,特征表示过滤后的节点数-特征数,标签是论文类别数 ...
图网络究竟在研究什么？从15篇研究综述看图神经网络GNN的最新研究进展
近年来,由于图结构的强大表现力,用机器学习方法分析图的研究越来越受到重视.图神经网络(GNN)是一类基于深度学习的处理图域信息的方法. 到目前,相关研究的已经非常多了,不过我们回过头来看思考和回顾一下 ...
Yoshua Bengio等图神经网络的新基准Benchmarking Graph Neural Networks(代码已开源)
最近GNN备受关注,相信大家也都能感受到.但是,一旦我们开始阅读相关论文,开展相关的实验时,会发现一些问题. 我们一般会从节点分类数据集cora, citeseer, pubmed,图分类数据集PRO ...
PyTorch Geometric Introduction by Example 中文
这篇文章是我翻译PyTorch Geometric官方文档中的一篇教程,水平有限,要是有什么错误,希望能多加担待.欢迎大家指出我的错误与不足指出. 通过例子介绍我们通过一些独立的例子简短地介绍下Py ...
图数据集Planetoid御三家：Cora，CiteSeer，PubMed详解
诸神缄默不语-个人CSDN博文目录文章目录 1. 数据集基本情况介绍 1.1 Cora数据集 1.2 SiteSeer数据集 1.3 PubMed 2. PyG数据集的Planetoid调用接口 3 ...
GraphSAGE模型实验记录【Cora、Citeseer、Pubmed】
1.准备工作数据集数据集 #图 #节点 #边 #特征 #标签(y) Cora 1 2708 5429 1433 7 Citeseer 1 3327 4732 3703 6 Pubmed 1 197 ...
GraphSAGE模型实验记录（简洁版）【Cora、Citeseer、Pubmed】
1.准备工作数据集数据集图节点边特征标签(y) Cora 1 2708 5429 1433 7 Citeseer 1 3327 4732 3703 6 Pubmed 1 19717 44 ...

数据集Cora、Citeseer、DBLP

数据集Cora、Citeseer、DBLP相关推荐

最新文章

热门文章