Binary Classification Social Network Dataset (BiSND)是中国科学技术大学研究团队创建的一个社交网络数据集，专为图机器学习应用设计，用于预测用户在Twitter上的二元类别。数据集包含12788个节点和430条边，以表格和图形格式提供。该数据集是为了填补社交网络图机器学习中缺乏二元分类数据集的空白。

arXiv2025-03-04 更新330

GSLB

图学习

基准测试

GSLB是由中国科学院自动化研究所开发的综合性图结构学习基准，包含16种先进的图结构学习算法和20个多样的图数据集，覆盖了同质节点级、异质节点级和图级任务。该数据集旨在通过三个维度：有效性、鲁棒性和复杂性，系统地研究图结构学习的特性。GSLB不仅为图结构学习领域提供了标准化的实验设置，还通过广泛的实验揭示了图结构学习在异质性、鲁棒性等方面的潜在优势，为未来的研究提供了深入的见解和机会。

arXiv2023-10-08 更新260

LRGB/peptides-functional

化学信息学

图学习

`peptides-functional`数据集是一个用于图分类任务的化学领域数据集。它包含15,535个图表，共有2,344,859个节点和4,773,974条边。每个节点具有9维的原子编码特征，每条边具有3维的键编码特征。数据集的性能评估指标为平均精度（AP）。此外，数据集的平均节点数为150.94，平均度数为2.04，平均边数为307.30，平均最短路径为20.89±9.79，平均直径为56

Hugging Face2023-02-16 更新1500

GLEMOS

图学习

模型选择

GLEMOS是一个全面的基准数据集，用于即时图学习模型选择，涵盖了链接预测和节点分类等基本图学习任务，包括366个模型在457个图上的性能数据。

arXiv2024-04-02 更新280