ACM-1, ACM-2, ACM-3, MovieLens, Douban Movie, Douban Book, Amazon, LastFM

这些数据集包括ACM系列、MovieLens、Douban Movie、Douban Book、Amazon和LastFM，每个数据集都提供了详细的实体和关系统计信息，用于异构图分析。

These datasets include the ACM series, MovieLens, Douban Movie, Douban Book, Amazon, and LastFM. Each dataset provides detailed entity and relationship statistics for heterogeneous graph analysis.

原始信息汇总

ACM-1

• Entity: Paper, Author, Conf, Term (paper feature), Index(paper label)
• Statistics:
  • Paper: 12,500
  • Term: 300
  • Index: 11

ACM-2

• Entity: Paper, Author, Subject, Term (paper feature), Research area(paper label)
• Statistics:
  • Paper: 3,025
  • Author: 5,835
  • Subject: 56
  • Term: 1,830
  • Research area: 3

ACM-3

• Entity: Paper, Author, Affiliations, Term, Subjects
• Statistics:
  • Paper: 12,000
  • Author: 17,000
  • Affiliations: 1,800
  • Term: 1,500
  • Subjects: 73

MovieLens

• Entity: User, Age, Occupation, Movie, Genre
• Statistics:
  • User: 943
  • Age: 8
  • Occupation: 21
  • Movie: 1,682
  • Genre: 18
• Relation Statistics:
  • User - Movie: 100,000
  • User - User (KNN): 47,150
  • User - Age: 943
  • User - Occupation: 943
  • Movie - Movie (KNN): 82,798
  • Movie - Genre: 2,861

Douban Movie

• Entity: User, Movie, Group, Actor, Director, Type
• Statistics:
  • User: 13,367
  • Movie: 12,677
  • Group: 2,753
  • Actor: 6,311
  • Director: 2,449
  • Type: 38
• Relation Statistics:
  • User - Movie: 1,068,278
  • User - Group: 570,047
  • User - User: 4,085
  • Movie - Actor: 33,587
  • Movie - Director: 11,276
  • Movie - Type: 27,668

Douban Book

• Entity: User, Book, Group, Location, Author, Publisher, Year
• Statistics:
  • User: 13,024
  • Book: 22,347
  • Group: 2,936
  • Location: 38
  • Author: 10,805
  • Publisher: 1,815
  • Year: 64
• Relation Statistics:
  • User - Book: 792,062
  • User - Group: 1,189,271
  • User - User: 169,150
  • User - Location: 10,592
  • Book - Author: 21,907
  • Book - Publisher: 21,773
  • Book - Year: 21,192

Amazon

• Entity: User, Item, View, Category, Brand
• Statistics:
  • User: 6,170
  • Item: 2,753
  • View: 3,857
  • Category: 22
  • Brand: 334
• Relation Statistics:
  • User - Item: 195,791
  • Item - View: 5,694
  • Item - Category: 5,508
  • Item - Brand: 2,753

LastFM

• Entity: User, Artist, Tag
• Statistics:
  • User: 1,892
  • Artist: 17,632
  • Tag: 11,945
• Relation Statistics:
  • User - Artist: 92,834
  • User - User (Original): 25,434
  • User - User (KNN): 18,802
  • Artist - Artist (KNN): 153,399
  • Artist - Tag: 184,941

Yelp

• Entity: User, Business, Compliment, Category, City
• Statistics:
  • User: 16,239
  • Business: 14,284
  • Compliment: 11
  • Category: 47
  • City: 511
• Relation Statistics:
  • User - Business: 198,397
  • User - User: 158,590
  • User - Compliment: 76,875
  • Business - City: 14,267
  • Business - Category: 40,009

Yelp-2

• Entity: User, Business, Service, Star level, Reservation, Category
• Statistics:
  • User: 1,286
  • Business: 2,614
  • Service: 2
  • Star level: 9
  • Reservation: 2
  • Category: 3
• Relation Statistics:
  • User - Business: 30,838
  • Business - Service: 2,614
  • Business - Star level: 2,614
  • Business - Reservation: 2,614
  • Business - Category: 2,614

DBLP-1

• Entity: Author, Paper, Author_label, Conference, Type
• Statistics:
  • Author: 14,475
  • Paper: 14,376
  • Author_label: 4
  • Conference: 20
  • Type: 8,920
• Relation Statistics:
  • Author - Label: 4,057
  • Paper - Author: 41,794
  • Paper - Conference: 14,376
  • Paper - Type: 114,624

DBLP-2

• Entity: Paper, Author, Conf, Term, Profile(author feature), Research area(author label)
• Statistics:
  • Paper: 14,328
  • Author: 4,057
  • Conf: 20
  • Term: 8,789
  • Profile: 334
  • Research area: 4

Aminer

• Entity: Author, Paper, Papel_label, Conference, Reference
• Statistics:
  • Author: 164,472
  • Paper: 127,623
  • Papel_label: 10
  • Conference: 101
  • Reference: 147,251
• Relation Statistics:
  • Paper - Label: 127,623
  • Paper - Author: 355,072
  • Paper - Conference: 127,632
  • Paper - Reference: 392,519

IMDB

• Entity: Movie, Actress, Actor, Director, Plot(movie feature), Genre(movie label)
• Statistics:
  • Movie: 14,475
  • Plot: 1,000
  • Genre: 9

SLAP

• Entity: Gene, Ontology(gene feature), Tissue, Pathway, Diease, Chemical Compound, Family(gene label)
• Statistics:
  • Gene: 20,419
  • Ontology: 3,000
  • Family: 15

搜集汇总

数据集介绍

构建方式

ACM-1、ACM-2、ACM-3等数据集的构建基于学术论文、作者、会议等实体及其相互关系。ACM-1数据集通过收集12.5k篇论文及其300个特征和11个标签构建而成。ACM-2数据集则进一步扩展，包含3025篇论文、5835位作者、56个主题及其1830个特征和3个研究领域标签。ACM-3数据集规模更大，涵盖12k篇论文、17k位作者、1.8k个机构、1.5k个术语和73个主题。这些数据集通过系统性地整合学术资源，形成了丰富的多维关系网络。

使用方法

这些数据集可广泛应用于学术推荐系统、网络嵌入、社区发现等研究领域。研究者可以通过分析论文与作者、主题之间的关系，构建学术推荐模型，提升推荐系统的准确性和个性化程度。同时，这些数据集的多维特征和标签信息，也为深度学习模型的训练提供了丰富的数据支持。例如，ACM-2数据集的1830个特征可以用于训练复杂的机器学习模型，以预测研究领域或推荐相关论文。

背景与挑战

背景概述

ACM系列数据集（ACM-1、ACM-2、ACM-3）是由不同研究团队在学术领域构建的，主要用于研究学术论文的特征、作者关系以及研究领域的分类。这些数据集的创建旨在通过分析学术论文的结构和内容，揭示学术网络中的潜在模式和关联。ACM-1数据集包含12.5k篇论文和300个术语特征，ACM-2则扩展到3025篇论文、5835位作者和1830个术语特征，而ACM-3进一步涵盖了12k篇论文、17k位作者及1.5k个术语。这些数据集的构建为学术网络分析、推荐系统和知识图谱研究提供了丰富的资源，推动了相关领域的技术进步。

当前挑战

ACM系列数据集在构建过程中面临多重挑战。首先，数据集的规模和复杂性使得数据清洗和预处理成为一项艰巨任务，尤其是处理大量学术论文的文本特征和作者关系时。其次，如何有效提取和表示学术论文的特征，以便进行准确的分类和推荐，是另一个关键挑战。此外，学术网络的动态性和多样性要求数据集能够不断更新和扩展，以适应学术研究的不断变化。最后，数据集的隐私和版权问题也需要谨慎处理，确保数据使用的合法性和伦理性。

常用场景

经典使用场景

ACM系列数据集，尤其是ACM-1、ACM-2和ACM-3，广泛应用于学术研究领域，主要用于研究论文与作者、主题之间的关系。这些数据集通过丰富的实体和关系信息，为学术网络分析提供了坚实的基础。例如，研究者可以利用这些数据集进行学术影响力分析、作者合作网络构建以及研究领域的趋势预测。此外，MovieLens、Douban Movie和Douban Book等数据集则常用于推荐系统研究，通过分析用户与电影、书籍之间的交互行为，构建个性化的推荐模型。

解决学术问题

ACM系列数据集通过提供详细的论文、作者和主题信息，解决了学术研究中的多个关键问题。首先，它们为学术影响力分析提供了数据支持，帮助研究者识别高影响力论文和作者。其次，这些数据集有助于构建和分析作者合作网络，揭示学术合作模式和趋势。此外，通过分析论文与研究领域的关系，研究者可以预测学术研究的未来发展方向。在推荐系统领域，MovieLens和Douban系列数据集解决了用户个性化推荐的问题，通过分析用户行为和偏好，提升了推荐系统的准确性和用户满意度。

实际应用

ACM系列数据集在实际应用中主要用于学术研究管理和决策支持。例如，高校和研究机构可以利用这些数据集进行学术资源的优化配置，识别和培养有潜力的研究者。在推荐系统领域，MovieLens和Douban系列数据集被广泛应用于在线平台，如电影和书籍推荐服务，通过个性化推荐提升用户体验。此外，Amazon数据集在电子商务领域也有广泛应用，帮助商家优化产品推荐策略，提高销售转化率。

数据集最近研究

最新研究方向

在推荐系统和社交网络分析领域，ACM系列数据集因其丰富的学术论文和作者信息，成为研究学术网络结构和知识传播的重要资源。最新研究方向集中在利用图神经网络（GNN）和异质信息网络（HIN）技术，探索学术论文与作者之间的复杂关系，以提升学术推荐系统的准确性和个性化。此外，MovieLens和Douban Movie等数据集的研究则聚焦于用户行为分析和电影推荐算法，特别是结合时间戳和评分信息，优化协同过滤和深度学习模型，以实现更精准的推荐。这些研究不仅推动了推荐系统技术的发展，也为理解用户偏好和行为模式提供了新的视角。