网络分析经典数据集

Question

有几个经典数据集用于机器学习分类/回归任务。最受欢迎的是：

• 虹膜花数据集;
• 泰坦尼克号数据集;
• 汽车趋势车;
• 等等

但是，有人知道网络分析 /图理论的类似数据集吗？更具体的 - 我正在寻找 黄金标准 用于比较/评估/学习的数据集：

1. 中心措施；
2. 网络聚类算法。

我不需要大量的公开网络/图形列表，而需要几个实际必须知道的数据集。

编辑：

很难为“黄金标准数据集”提供确切的功能，但这里有一些想法。我认为，真正的经典数据集应满足这些标准：

• 文章和教科书中的多个参考文献；
• 包含在著名的网络分析软件包中；
• 足够的存在时间；
• 在许多课程中使用图形分析。

关于我感兴趣的领域，我还需要标记为顶点和/或预先计算（或预定义的）“权威得分”的类（即中心性估计）。在问这个问题之后，我继续搜索，这里有一些合适的例子：

• Zachary的空手道俱乐部: ：在1977年引用的，引用了超过1.5k次（根据Google Scholar），顶点具有属性派系（可用于聚类）。
• ERDOS协作网络: ：不幸的是，我没有以数据文件的形式找到这个网络，但是它很有名，如果有人会用数学家的专业数据丰富网络，它也可以用于测试聚类算法。

Answer 1

您正在寻找的东西可以找到 Konect （当我写这篇文章时，该网站已经下降，但应该尽快解决！）。这几乎是用于网络分析的最全面的数据收集。但是问题是哪个是 标准 使用？

好吧，除了Zachary的空手道俱乐部，没有明确的答案！

如果您在社区检测算法中进行文献综述，您会发现几乎所有闪亮的论文都使用不同的网络。我的建议是通过Andrea Lancichinetti和Santo Fortunato为基准图表所做的一切。他们提出了一些基准图生成算法，例如 这个.

希望能帮助到你 ：）

Answer 2

也许您可以在这里检查 - http://snap.stanford.edu/data/

对于每个数据集，您还将看到使用它们已使用的作品的参考

Answer 3

我唯一知道的是图形数据库的基准数据，例如Neo4J。

您可能会发现与此类似的链接：http://istc-bigdata.org/index.php/benchmarking-graph-databases/

您可以在其中找到数据以测试网络分析和图理论。

此外，您可以使用Twitter/Facebook的API来收集自己的数据。如果您找不到所需的数据，这也是一个建议。