TUDataset|图数据分析数据集|机器学习数据集

arXiv2020-07-17 更新2024-07-25 收录

图数据分析

机器学习

下载链接：

https://chrsmrrs.github.io/datasets/

下载链接

链接失效反馈

资源简介：

TUDataset是由多特蒙德工业大学开发的一个包含超过120个不同规模的图数据集的集合，用于图分类和回归任务。这些数据集涵盖了从化学信息学、生物信息学到社交网络分析等多个领域。数据集的创建过程涉及从不同领域收集和标准化图数据。TUDataset的应用领域广泛，旨在通过图神经网络等技术解决图数据分析中的问题，如分子性质预测、社交网络分析等。

提供机构：

多特蒙德工业大学

创建时间：

2020-07-17

AI搜集汇总

数据集介绍

构建方式

TUDataset的构建旨在为图结构数据的监督学习提供标准化的基准数据集。该数据集集合了来自多个应用领域的120多个不同规模的图数据集，涵盖了从化学信息学到社交网络分析的广泛领域。每个数据集均以标准格式提供，并可通过Python接口轻松访问。数据集的构建过程包括从原始数据中提取图结构、节点和边的特征信息，并将其转换为统一的格式，以便于后续的机器学习任务。

特点

TUDataset的特点在于其多样性和广泛的应用范围。数据集涵盖了从小分子化学结构到蛋白质网络、社交网络等多种图结构数据。每个数据集都提供了详细的节点和边标签信息，部分数据集还包含连续的特征属性。此外，TUDataset还提供了标准化的评估工具和基线算法实现，包括图核方法和图神经网络（GNN），使得研究人员能够方便地进行模型比较和性能评估。

使用方法

TUDataset的使用方法非常灵活，研究人员可以通过Python接口加载数据集，并使用提供的基线算法进行实验。数据集支持多种图学习框架，如PyTorch Geometric和DGL。用户可以选择不同的图核方法或GNN架构进行模型训练，并使用标准化的评估工具进行性能评估。此外，TUDataset还提供了详细的文档和示例代码，帮助用户快速上手并进行实验复现。

背景与挑战

背景概述

TUDataset是由Christopher Morris等研究人员于2020年推出的一个图数据集集合，旨在为图结构数据的监督学习提供标准化的基准数据集和评估工具。该数据集涵盖了从化学、生物信息学到社交网络分析等多个领域的120多个数据集，广泛应用于图分类和回归任务。TUDataset的推出填补了图神经网络（GNN）和图核方法在标准化评估方面的空白，极大地推动了图表示学习领域的发展。其数据集格式统一，并提供了Python接口，便于与主流图学习框架（如PyTorch Geometric和DGL）集成。

当前挑战

TUDataset在解决图分类和回归问题时面临的主要挑战包括：1）图数据的异质性，不同领域的图结构差异显著，节点和边的属性类型多样，导致模型泛化能力受限；2）大规模图数据的计算复杂性，尤其是图核方法在处理大规模数据集时，计算Gram矩阵的时间和空间复杂度较高，难以扩展。此外，数据集的构建过程中也面临挑战，如数据来源的多样性导致图模型的标准化难度增加，且部分数据集存在类别不平衡问题，影响模型的训练效果。

常用场景

经典使用场景

TUDataset 是一个广泛用于图结构数据学习的基准数据集集合，涵盖了从化学信息学、生物信息学到社交网络分析等多个领域的120多个数据集。其经典使用场景包括图分类和图回归任务，尤其是在图神经网络（GNN）和图核方法的性能评估中。研究人员可以通过TUDataset提供的标准化数据加载器和评估工具，快速比较不同算法在图结构数据上的表现。

衍生相关工作

TUDataset 的发布催生了许多相关研究工作，尤其是在图神经网络和图核方法的性能优化方面。例如，基于TUDataset 的研究提出了多种改进的图神经网络架构，如GIN（Graph Isomorphism Network）和GAT（Graph Attention Network）。此外，TUDataset 还促进了图核方法的进一步发展，如Weisfeiler-Lehman核和最短路径核的优化。这些衍生工作不仅提升了图结构数据学习的性能，还推动了该领域的理论发展。

数据集最近研究