graphs-datasets/IMDB-BINARY|电影网络分析数据集|图数据挖掘数据集

IMDB-BINARY数据集是一个电影合作数据集，包含1000个演员/演员的自我网络，这些演员在IMDB的电影中扮演角色。在每个图中，节点代表演员，如果他们在同一部电影中出现，则他们之间有边。这些图源自动作和爱情两种电影类型。数据集主要用于图分类任务，特别是用于预测电影图是动作片还是爱情片的二元分类任务。

原始信息汇总

数据集概述

数据集名称

• IMDb-B (IMDB-BINARY)

数据集描述

• 摘要: IMDb-B数据集包含1,000个演员/女演员的自我网络，这些演员/女演员在IMDb中的电影中扮演角色。在每个图中，节点代表演员/女演员，如果他们出现在同一部电影中，则节点之间存在边。这些图来自动作和浪漫电影类型。
• 任务: 用于图分类，目的是预测电影图是动作还是浪漫电影，这是一个二分类任务。
• 评估指标: 使用准确性作为评分，采用10折交叉验证。

数据集结构

• 数据属性:
  • 规模: 中等
  • 图数量: 1000
  • 平均节点数: 19.79
  • 平均边数: 193.25
• 数据字段:
  • edge_index: 边索引，2 x #edges的列表，表示构成边的节点对
  • y: 标签列表，1 x #labels，包含可用于预测的标签数量（此处为1，等于零或一）
  • num_nodes: 图的节点数量

许可证信息

• 许可证: 未知

引用信息

@inproceedings{10.1145/2783258.2783417, author = {Yanardag, Pinar and Vishwanathan, S.V.N.}, title = {Deep Graph Kernels}, year = {2015}, publisher = {Association for Computing Machinery}, address = {New York, NY, USA}, url = {https://doi.org/10.1145/2783258.2783417}, booktitle = {Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining}, pages = {1365–1374}, numpages = {10}, keywords = {collaboration networks, bioinformatics, r-convolution kernels, graph kernels, structured data, deep learning, social networks, string kernels}, location = {Sydney, NSW, Australia}, series = {KDD 15} }

贡献者

• 贡献者: @clefourrier

AI搜集汇总

数据集介绍

构建方式

IMDb-BINARY数据集的构建基于电影协作网络，从中提取了1000位演员/女演员的 ego-networks。这些网络以IMDb数据库中的动作和浪漫电影为来源，每个图中的节点代表一位演员/女演员，若两位演员共同出演同一部电影，则节点之间存在一条边。数据集通过梳理演员间的协作关系，形成了包含1000个图的集合，旨在为图分类任务提供支持。

使用方法

使用IMDb-BINARY数据集时，可以通过PyGeometric库加载。用户首先需要利用`load_dataset`函数从HuggingFace的datasets库中加载数据集，然后将每个图的边索引、标签和节点数转换为PyGeometric的Data对象，并使用DataLoader进行批量处理。此外，数据集还提供了从PyGeometric的TUDataset直接加载的方式，方便用户快速获取数据并进行后续的图分类研究。

背景与挑战

背景概述

在深度学习与图论相结合的研究领域，IMDb-BINARY数据集应运而生，旨在推动图分类任务的深入研究。该数据集创建于2015年，由Yanardag Pinar与Vishwanathan S.V.N.等研究人员提出，并在ACM SIGKDD国际会议上发表相关论文。IMDb-BINARY数据集源自IMDb数据库，包含了1000名演员的社交网络图，这些图反映了演员之间的合作关系。每个图中的节点代表一名演员，节点间的边代表演员共同出演过的电影。该数据集的核心研究问题是利用图核方法对电影图进行分类，预测电影属于动作片还是爱情片类别。IMDb-BINARY数据集在图分类任务上具有显著的影响力，为相关领域的研究提供了重要的实验基础。

当前挑战

IMDb-BINARY数据集在构建与应用过程中面临的挑战主要包括：如何有效提取和利用图结构中的复杂关系信息，以及如何在保持数据集规模可控的同时，确保数据的多样性和代表性。此外，由于数据集的构建基于特定的电影类型，其在扩展到其他类型的电影或更广泛的娱乐领域时可能存在局限性。在数据集的使用上，研究者还需面对数据版权与使用许可的不确定性，这对数据集的广泛采用和共享构成了挑战。

常用场景

经典使用场景

在电影行业领域，IMDb-BINARY数据集以其独特的电影合作网络结构，被广泛应用于图分类任务中。该数据集包含1000位演员的 ego-networks，节点代表演员，若两位演员共同出演过电影，则节点间存在边。经典的场景是将该数据集用于预测电影图属于动作片还是爱情片，采用10-fold交叉验证的方式评估模型的准确性。

解决学术问题

IMDb-BINARY数据集解决了如何利用图结构数据对电影类型进行分类的问题。通过这一数据集，研究者能够探索演员合作网络中的隐藏模式，进而提升对电影类型预测的准确性。这对于电影推荐系统、电影市场分析等应用具有重要的学术意义和实际价值。

实际应用

实际应用中，IMDb-BINARY数据集可以被用来优化电影分类算法，为电影流媒体平台提供更加精准的电影类型分类，从而改善用户体验。此外，它还可以用于电影行业市场分析，帮助制片人和发行商更好地理解市场趋势。

数据集最近研究

最新研究方向

在图形机器学习领域，IMDb-BINARY数据集作为电影合作网络的数据来源，其最新研究方向主要集中在图分类任务上，尤其是利用深度学习技术对电影图进行动作或浪漫类别的预测。近期研究通过引入深度图核方法，致力于学习子结构的潜在表征，从而提升分类准确性。此类研究不仅有助于电影行业的精准推荐系统，也对社交网络分析、生物信息学等领域具有深远影响。