当前位置: 首页 > news >正文

社交网络图数据集

Stanford Large Network Dataset Collection 斯坦福大学大型网络数据集

官方网站https://snap.stanford.edu/data/
 

the University of Florida Sparse Matrix Collection 佛罗里达大学稀疏矩阵集合

官方网站https://sparse.tamu.edu/
 
 

1、com-Orkut(OK):是Orkut社交网络的无向图

 
官方网站https://snap.stanford.edu/data/com-Orkut.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-orkut.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点3072441
Edges 边117185083
平均聚类系数0.1666
三角形数量627584181
社区数量8455253
平均社区规模34.86
每个节点的社区成员资格95.9

2、com-LiveJournal:LiveJournal 社交网络和真实社区

 
官方网站https://snap.stanford.edu/data/com-LiveJournal.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-lj.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点3997962
Edges 边34681189
平均聚类系数0.2843
三角形数量177820130
社区数量311782
平均社区规模40.06
每个节点的社区成员资格3.09

3、com-Friendster:Friendster 是一个在线游戏网络

 
官方网站https://snap.stanford.edu/data/com-Friendster.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-friendster.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点65608366
Edges 边1806067135
平均聚类系数0.1623
三角形数量4173724142
社区数量1449666
平均社区规模26.72
每个节点的社区成员资格0.32

4、com-Youtube:YouTube 是一个包含社交网络的视频共享网站

 
官方网站https://snap.stanford.edu/data/com-Youtube.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-youtube.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点1134890
Edges 边2987624
平均聚类系数0.0808
三角形数量3056386
社区数量8385
平均社区规模13.5
每个节点的社区成员资格0.1

5、com-DBLP:DBLP 计算机科学参考书目提供了计算机科学研究论文的完整列表

 
官方网站https://snap.stanford.edu/data/com-DBLP.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-dblp.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点317080
Edges 边1049866
平均聚类系数0.6324
三角形数量2224385
社区数量2547
平均社区规模429.79
每个节点的社区成员资格2.56

6、com-Amazon:亚马逊产品共同购买网络和真实社区

 
官方网站https://snap.stanford.edu/data/com-Amazon.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-amazon.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点334863
Edges 边925872
平均聚类系数0.3967
三角形数量667129
社区数量49732
平均社区规模99.86
每个节点的社区成员资格14.83

7、wiki-Talk:维基百科谈话网络

 
官方网站https://snap.stanford.edu/data/wiki-Talk.html

下载链接http://snap.stanford.edu/data/bigdata/communities/Wiki-Talk.txt.gz

Source (citation) 来源(引用):J. Leskovec, D. Huttenlocher, J. Kleinberg. Predicting Positive and Negative Links in Online Social Networks. WWW 2010.

介绍

数据集统计(属性)
Nodes 节点2394385
Edges 边5021410
平均聚类系数0.0526
三角形数量9203519

8、ego-Facebook:社交圈:脸书

 
官方网站https://snap.stanford.edu/data/ego-Facebook.html

下载链接http://snap.stanford.edu/data/bigdata/communities/facebook.tar.gz

Source (citation) 来源(引用):J. McAuley and J. Leskovec. Learning to Discover Social Circles in Ego Networks. NIPS, 2012.

介绍

数据集统计(属性)
Nodes 节点4039
Edges 边88234
平均聚类系数0.6055
三角形数量1612010

9、ego-Twitter:社交圈:推特

 
官方网站https://snap.stanford.edu/data/ego-Twitter.html

下载链接http://snap.stanford.edu/data/bigdata/communities/twitter.tar.gz

Source (citation) 来源(引用):J. McAuley and J. Leskovec. Learning to Discover Social Circles in Ego Networks. NIPS, 2012.

介绍

数据集统计(属性)
Nodes 节点81306
Edges 边1768149
平均聚类系数0.5653
三角形数量13082506

相关文章:

  • 北京网站建设多少钱?
  • 辽宁网页制作哪家好_网站建设
  • 高端品牌网站建设_汉中网站制作
  • WGCLOUD的ping设备监测可以导入excel数据吗
  • Redis基本数据结构
  • 品牌产业出海指南如何搭建国际化架构的跨境电商平台?
  • 品牌产业出海指南(二)如何搭建跨境电商自营型平台?
  • SCI一区级 | Matlab实现GJO-CNN-LSTM-Multihead-Attention多变量时间序列预测
  • Win11 Anaconda3卸载与重装(20240714)
  • Linux udp编程
  • Efficient Estimation of Word Representations in Vector Space论文笔记解读
  • 【学习笔记】4、组合逻辑电路(下)
  • 小程序自学教程
  • Android 内部保持数据的方式
  • 前端Canvas入门——一些注意事项
  • AC修炼计划(AtCoder Regular Contest 179)A~C
  • python的简单爬取
  • Python面试题:如何在 Python 中解析 XML 文件?
  • 「前端」从UglifyJSPlugin强制开启css压缩探究webpack插件运行机制
  • axios 和 cookie 的那些事
  • iOS动画编程-View动画[ 1 ] 基础View动画
  • iOS仿今日头条、壁纸应用、筛选分类、三方微博、颜色填充等源码
  • jquery cookie
  • MySQL用户中的%到底包不包括localhost?
  • PHP面试之三:MySQL数据库
  • TiDB 源码阅读系列文章(十)Chunk 和执行框架简介
  • ViewService——一种保证客户端与服务端同步的方法
  • 不用申请服务号就可以开发微信支付/支付宝/QQ钱包支付!附:直接可用的代码+demo...
  • 动态规划入门(以爬楼梯为例)
  • 欢迎参加第二届中国游戏开发者大会
  • 今年的LC3大会没了?
  • 浅析微信支付:申请退款、退款回调接口、查询退款
  • 使用parted解决大于2T的磁盘分区
  • 我这样减少了26.5M Java内存!
  • 一个完整Java Web项目背后的密码
  • [Shell 脚本] 备份网站文件至OSS服务(纯shell脚本无sdk) ...
  • shell使用lftp连接ftp和sftp,并可以指定私钥
  • ​业务双活的数据切换思路设计(下)
  • # dbt source dbt source freshness命令详解
  • $ git push -u origin master 推送到远程库出错
  • (1)(1.19) TeraRanger One/EVO测距仪
  • (2/2) 为了理解 UWP 的启动流程,我从零开始创建了一个 UWP 程序
  • (4)STL算法之比较
  • (delphi11最新学习资料) Object Pascal 学习笔记---第13章第1节 (全局数据、栈和堆)
  • (Redis使用系列) Springboot 使用redis实现接口幂等性拦截 十一
  • (阿里巴巴 dubbo,有数据库,可执行 )dubbo zookeeper spring demo
  • (安全基本功)磁盘MBR,分区表,活动分区,引导扇区。。。详解与区别
  • (附源码)计算机毕业设计SSM教师教学质量评价系统
  • (回溯) LeetCode 40. 组合总和II
  • (一)python发送HTTP 请求的两种方式(get和post )
  • (译)计算距离、方位和更多经纬度之间的点
  • **CI中自动类加载的用法总结
  • ./configure,make,make install的作用
  • .mat 文件的加载与创建 矩阵变图像? ∈ Matlab 使用笔记
  • .net core webapi Startup 注入ConfigurePrimaryHttpMessageHandler
  • .NET Core使用NPOI导出复杂,美观的Excel详解
  • .Net Remoting常用部署结构
  • .NET 服务 ServiceController