SauravMaheshkar/pareto-actor

该数据集是一个图数据集，包含7600个节点、33544条边和931个特征。它属于graph-ml任务类别，大小介于1K到10K之间，标签为art，使用cc许可证。数据集已按照官方代码库进行预处理，主要用于图神经网络的研究和开发。

原始信息汇总

数据集信息

基本信息

• 节点数: 7,600
• 边数: 33,544
• 特征数: 931

类别和标签

• 大小类别: 1K<n<10K
• 任务类别: graph-ml
• 标签: art
• 许可证: cc

使用方法

python from huggingface_hub import hf_hub_download

hf_hub_download(repo_id="SauravMaheshkar/pareto-actor", filename="processed/actor.bin", local_dir="./data/", repo_type="dataset")

dataset, _ = dgl.load_graphs("./data/processed/actor.bin")

引用

@article{ju2023multi, title={Multi-task Self-supervised Graph Neural Networks Enable Stronger Task Generalization}, author={Ju, Mingxuan and Zhao, Tong and Wen, Qianlong and Yu, Wenhao and Shah, Neil and Ye, Yanfang and Zhang, Chuxu}, booktitle={International Conference on Learning Representations}, year={2023} }

@inproceedings{Tang2009SocialIA, title={Social influence analysis in large-scale networks}, author={Jie Tang and Jimeng Sun and Chi Wang and Zi Yang}, booktitle={Knowledge Discovery and Data Mining}, year={2009}, url={https://api.semanticscholar.org/CorpusID:4931148} }

搜集汇总

数据集介绍

构建方式

在图神经网络研究领域，高质量的数据集是推动模型性能提升的关键基石。SauravMaheshkar/pareto-actor数据集源自社交网络分析中的经典文献，其构建过程严格遵循Tang等人提出的社交影响力分析框架，并依据Ju等人提出的多任务自监督图神经网络论文的官方代码库进行预处理。该数据集包含7600个节点和33544条边，每个节点配备931维特征，以二进制文件格式存储于HuggingFace平台上，确保了数据的高效加载与复用。

使用方法

使用该数据集时，用户可通过HuggingFace Hub的hf_hub_download函数便捷下载二进制文件至本地目录，随后利用Deep Graph Library（DGL）的load_graphs接口直接加载为图数据结构。这一流程简化了数据获取与解析步骤，使得研究者能够快速聚焦于模型设计与实验验证。推荐在Python环境中集成上述代码片段，并确保DGL库已正确安装，即可无缝接入该数据集进行图神经网络的相关研究。

背景与挑战

背景概述

在图神经网络（GNN）领域，多任务自监督学习与泛化能力的研究日益成为热点，而高质量图数据集的构建是推动这一进程的关键基石。SauravMaheshkar等人于2023年基于国际学习表征会议（ICLR）发表的论文《Multi-task Self-supervised Graph Neural Networks Enable Stronger Task Generalization》所提出的算法框架，精心预处理并发布了Pareto-Actor数据集。该数据集源自Tang等人2009年发表于KDD的经典社会影响力分析研究，涵盖7,600个节点与33,544条边，特征维度高达931，聚焦于图结构数据中的节点分类与关系建模。其核心研究问题在于如何通过多任务自监督学习策略，提升GNN在异构任务间的泛化效能，从而为社交网络分析、推荐系统等现实场景提供更鲁棒的解决方案。该数据集的发布，为验证Pareto最优框架下图表示学习的迁移能力提供了标准化基准，对推动GNN的通用性与可扩展性研究产生了重要影响。

当前挑战

Pareto-Actor数据集所面临的挑战首先体现在领域问题的复杂性上：图数据中节点间稀疏且非欧几里得的关系结构，使得传统监督学习难以捕捉深层的语义关联，而多任务自监督学习虽能提升泛化能力，却面临任务冲突与梯度干扰的帕累托优化难题，需要平衡各任务间的竞争与协作。此外，在数据集构建过程中，原始社会网络数据的噪声与不完整性带来了预处理挑战：如何从Tang等人2009年的大规模网络中精准提取出7,600个代表性节点，并确保33,544条边的拓扑结构能保留关键的社会影响力传播模式，同时将特征维度压缩至931维以兼顾计算效率与信息保留，均需依赖复杂的图采样与特征工程。最终，数据集的二进制存储格式（actor.bin）虽利于高效加载，却对跨框架兼容性构成隐性障碍，增加了研究者复现与扩展工作的门槛。

常用场景

经典使用场景

在学术研究中，SauravMaheshkar/pareto-actor数据集常被用作图神经网络模型性能评估的基准。该数据集包含7,600个节点和33,544条边，每个节点具有931维特征，其结构特性使其成为检验图表示学习算法鲁棒性与泛化能力的理想平台。研究者可借助该数据集，在节点分类、链接预测等经典任务上对比不同模型的表现，尤其适用于验证多任务自监督学习范式的有效性。

解决学术问题

该数据集的核心价值在于解决了图神经网络中任务泛化能力的评估难题。通过提供经过标准预处理的Actor网络数据，研究者能够系统性地探究多任务自监督学习如何增强模型在社交网络分析中的迁移性能。它填补了现有基准在社交影响力分析场景下的空白，为验证图神经网络在稀疏标注环境下的表征学习能力提供了关键数据支撑，推动了图学习理论向更复杂真实场景的延伸。

实际应用

在实际应用中，该数据集可模拟社交网络中的用户行为建模场景，例如识别关键意见领袖或预测信息传播路径。基于其节点特征与边关系，企业能够训练出更精准的社交影响力评估模型，用于广告定向投放、社区发现或舆情监控。此外，其预处理的标准化格式降低了工业界部署图神经网络的工程门槛，加速了从学术研究到商业智能系统的转化进程。

数据集最近研究

最新研究方向

在图形机器学习领域，Pareto Actor数据集因其独特的艺术网络结构而备受关注，该数据集包含7600个节点和33544条边，具有931维特征，为社交网络分析与多任务自监督学习提供了重要基准。近期研究前沿聚焦于利用该数据集验证多任务自监督图神经网络在任务泛化上的卓越能力，特别是在社交影响力分析这一热点方向上，Pareto Actor作为经典社交网络数据的现代化处理版本，推动了图模型从单任务优化向帕累托最优多目标学习的范式转变。其与ICLR 2023提出的多任务自监督框架的深度结合，不仅强化了图神经网络在异构任务间的知识迁移效率，也为理解大规模社交网络中的信息传播机制和隐性群体结构提供了关键验证平台，对图表示学习的理论突破与工业应用具有双重推动作用。