真实世界复杂网络公开数据集

多智能体影响力最大化背景下，复杂网络数据集的构建通常涵盖多个异质性网络结构，以支持算法的性能验证与泛化能力评估。本研究公开了四类不同类型的真实世界复杂网络数据集，旨在验证所提出方法在多样化网络环境中的有效性。这些数据集涵盖多个应用场景，包括科研合作、基础设施、电信网络及在线平台推荐系统，具体描述如下： 1. 合作作者网络：该网络由研究网络科学的科学家构成，节点代表个体科学家，边表示他们之间的合作关系。整个网络包含 379 个节点和 914 条边，适用于分析学术合作模式和知识传播路径。2. 美国电力网网络：该网络描述了美国电网的基础设施拓扑结构，其中 4900 个节点代表电力站，6600 条边表示电力传输线路。此数据集能够用于研究电网的鲁棒性、故障传播以及关键节点识别问题。3. 网页关系网络：该数据集刻画了网页之间的超链接关系，包含 16100 个节点和 25600 条边。网页之间的链接结构对信息传播过程具有重要影响，可用于研究信息流动模式以及网络爬虫的优化策略。4. 亚马逊推荐网络：该数据集描述了亚马逊电商平台上的商品推荐关系，包含 91800 个节点和125700 条边。节点表示商品，边表示用户基于购买或浏览行为建立的推荐链接，该网络适用于研究在线推荐系统的传播特性以及用户行为分析。这些数据集涵盖了多个不同领域的真实世界网络，为复杂网络算法的鲁棒性分析、传播动力学建模以及优化策略验证提供了重要实验基准。通过在不同拓扑结构和传播机制下的测试，该数据集能够帮助研究人员构建更具泛化能力的优化算法，以应对实际应用中的信息传播、关键节点识别和网络控制问题。

搜集汇总

背景与挑战

背景概述

该数据集公开了四类真实世界复杂网络，包括合作作者网络、美国电力网网络、网页关系网络和亚马逊推荐网络，覆盖科研合作、基础设施、电信网络及在线平台推荐系统等多个应用场景。它旨在为复杂网络算法的性能验证、泛化能力评估以及传播动力学建模提供实验基准。