ntgbaoo/Temporal_Graph_Scaling_TGS_Benchmark
收藏Hugging Face2024-06-06 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/ntgbaoo/Temporal_Graph_Scaling_TGS_Benchmark
下载链接
链接失效反馈官方服务：
资源简介：
Temporal Graph Scaling (TGS) 数据集包含84个从2017年到2023年收集的ERC20代币交易网络，用于训练基础模型并进行预测。数据集的处理包括代币提取、离散化和标签分配。代币提取是从P2P以太坊实时节点中提取代币交易网络；离散化是创建每周的快照，用于离散化时间有向图（DTDG）设置；标签分配是基于网络增长趋势，增长趋势标记为1，下降趋势标记为0。数据集用于评估时间图神经网络的迁移能力，并展示了在更多网络和更多参数上进行预训练可以提升下游任务的性能。
Temporal Graph Scaling (TGS) 数据集包含84个从2017年到2023年收集的ERC20代币交易网络，用于训练基础模型并进行预测。数据集的处理包括代币提取、离散化和标签分配。代币提取是从P2P以太坊实时节点中提取代币交易网络；离散化是创建每周的快照，用于离散化时间有向图（DTDG）设置；标签分配是基于网络增长趋势，增长趋势标记为1，下降趋势标记为0。数据集用于评估时间图神经网络的迁移能力，并展示了在更多网络和更多参数上进行预训练可以提升下游任务的性能。
提供机构：
ntgbaoo
原始信息汇总
数据集概述
- 名称: Temporal Graph Scaling(TGS) Benchmark Datasets
- 许可: MIT
- 语言: 英语
- 大小: 10B<n<100B
- 标签: croissant
数据集内容
- 数据集描述: TGS数据集包含84个ERC20代币交易网络，收集自2017年至2023年。该数据集用于评估基础模型在时间图上的可转移性，通过在多达64个代币交易网络上预训练时间图神经网络(TGNNs)，并在20个未见过的代币类型上评估其性能。
- 数据集提取:
- 代币提取: 从P2P以太坊实时节点提取代币交易网络。
- 离散化: 创建每周快照，用于离散化时间有向图(DTDG)设置。
- 标注: 根据网络增长趋势进行标注，增长趋势标记为1，下降趋势标记为0。
数据集用途
- 基础模型训练: 数据集用于训练不同大小的基础模型，并在测试集上评估这些模型的性能。
数据集下载
- 下载链接: 这里
数据集元数据
- 元数据链接: 这里
