网络分析经典数据集

有一些用于机器学习分类/回归任务的经典数据集。最受欢迎的是：

• 鸢尾花数据集 ;
• 泰坦尼克号数据集 ;
• 潮流汽车 ;
• 等等

但是，有人知道类似的数据集用于网络分析/图论吗？更具体-我正在寻找用于比较/评估/学习的Gold标准数据集：

1. 集中度措施；
2. 网络聚类算法。

我不需要大量可公开获得的网络/图表，但是需要几个实际上必须知道的数据集。

编辑：

为“黄金标准数据集”提供确切的功能非常困难，但是这里有一些想法。我认为，真正的经典数据集应满足以下条件：

• 文章和教科书中有多个参考文献；
• 包含在著名的网络分析软件包中；
• 足够的生存时间；
• 在许多有关图形分析的课程中的用法。

关于我的兴趣领域，我还需要标记顶点的类和/或预先计算（或预定义）的“权限分数”（即中心度估计值）。问完这个问题后，我继续搜索，下面是一些合适的示例：

• Zachary的空手道俱乐部：成立于1977年，被引用超过1.5k次（根据Google Scholar），顶点具有Faction属性（可用于聚类）。
• 鄂尔多斯协作网络：不幸的是，我还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。

您正在寻找的内容可以在KONECT中找到（在我撰写本文时，该网站已关闭，但应该尽快修复！）。它几乎是用于网络分析的最全面的数据收集。但是问题是，使用哪个更标准？

好吧，除了扎卡里的空手道俱乐部，没有明确的答案！

如果您对“社区检测”算法进行文献回顾，您会发现几乎所有出色的论文都使用不同的网络。我的建议是研究Andrea Lancichinetti和Santo Fortunato对基准图所做的工作。他们提出了一些基准图生成算法，例如这一算法。

希望能帮助到你 ：）

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

对于每个数据集，您还将看到使用它们的作品的参考

我唯一了解的是Graph数据库的基准数据，例如Neo4j。

您可能会发现与此链接相似的链接：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。