cogsci13/Gowalla-Edges

---
dataset_info:
features:
- name: user
dtype: int64
- name: connected_user
dtype: int64
splits:
- name: train
num_bytes: 30410464
num_examples: 1900654
download_size: 11370181
dataset_size: 30410464
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：user（用户），数据类型：int64（64位整数）
- 名称：connected_user（关联用户），数据类型：int64（64位整数）
数据集拆分：
- 拆分名称：train（训练集），字节大小：30410464，样本数量：1900654
下载大小：11370181
数据集存储大小：30410464
配置项：
- 配置名称：default（默认配置）
数据文件：
- 拆分集：train（训练集），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• user: 数据类型为 int64。
• connected_user: 数据类型为 int64。

数据集分割

• train:
  • 数据量: 30410464 字节
  • 示例数量: 1900654

数据集大小

• 下载大小: 11370181 字节
• 数据集总大小: 30410464 字节

配置信息

• config_name: default
• data_files:
  • split: train
  • path: data/train-*

搜集汇总

数据集介绍

构建方式

在社交网络分析领域，Gowalla-Edges数据集源于位置社交平台Gowalla的用户签到记录。该数据集通过提取用户间的连接关系构建而成，具体而言，每条记录代表一对用户之间的社交边，其中包含用户标识符及其关联用户标识符。数据以边列表形式组织，覆盖了大规模用户交互网络，反映了真实世界社交图谱的结构特征。构建过程注重数据的完整性与一致性，确保了网络拓扑的准确表征。

特点

Gowalla-Edges数据集以其稀疏且动态的社交网络结构著称，涵盖了数百万条用户连接边，体现了高维稀疏性。数据特征包括用户标识符和关联用户标识符两个核心字段，以简单边列表格式呈现，便于网络分析算法的直接应用。该数据集捕捉了真实社交互动中的非对称性与社区形成模式，为研究复杂网络中的连接性、中心性及传播动力学提供了丰富素材。其规模适中，既保证了计算可行性，又保留了社交网络的复杂性。

使用方法

该数据集适用于社交网络分析、图机器学习及推荐系统等研究场景。使用时，可直接加载边列表数据，将其转换为图结构，以进行社区检测、链接预测或影响力分析等任务。研究人员可利用图神经网络模型处理用户连接关系，探索社交行为的时空模式。数据以标准分割形式提供，支持训练与评估流程，确保实验的可重复性。在应用过程中，需注意数据预处理，以适配特定算法的输入要求。

背景与挑战

背景概述

在社交网络分析领域，理解用户间的连接模式对于揭示人类行为与社会结构至关重要。Gowalla-Edges数据集源于2013年，由计算社会科学研究者基于地理位置社交平台Gowalla构建，旨在捕捉用户间的友谊关系网络。该数据集的核心研究问题聚焦于通过大规模真实社交互动数据，探索网络形成机制、社区检测及信息传播动力学。作为早期开放的位置社交数据集之一，它为复杂网络理论与实证研究提供了关键数据支撑，推动了社交网络建模与推荐系统算法的发展。

当前挑战

Gowalla-Edges数据集所解决的领域问题在于社交网络链接预测与社区结构分析，其挑战包括处理网络稀疏性、动态演化建模以及跨平台泛化能力。在构建过程中，研究人员面临数据稀疏与噪声干扰的难题，需从原始签到记录中精确提取稳定的社交边，同时确保用户隐私保护与数据匿名化处理。此外，数据的时间维度缺失限制了时序行为分析的深度，而平台用户样本偏差也可能影响网络代表性的普适性。

常用场景

经典使用场景

在社交网络分析领域，Gowalla-Edges数据集作为位置签到服务Gowalla的用户连接关系记录，为研究复杂网络结构提供了经典范例。该数据集通过捕捉用户间的社交边，常被用于探索网络拓扑特性，如社区检测、节点中心性分析以及信息传播模型验证，为理解在线社交行为的空间与时间模式奠定了数据基础。

实际应用

在实际应用中，Gowalla-Edges数据集为位置推荐系统、城市规划和流行病传播模拟提供了关键支持。基于用户连接与签到模式，企业可优化个性化位置服务；城市规划者能分析人群流动与社交聚集热点；公共卫生部门则可模拟疾病通过社交接触的扩散路径，提升应急响应能力。

衍生相关工作

围绕该数据集，衍生了一系列经典研究工作，包括基于地理社交网络的社区发现算法、位置预测模型以及影响力传播分析。这些工作不仅深化了对签到行为与社交互动耦合机制的理解，还为后续的时空数据挖掘、推荐系统优化等领域提供了方法论借鉴与基准测试标准。