面向图机器学习的二分类社交网络数据集
机器学习
2025-03-05 v1 人工智能
摘要
社交网络在图方面有广泛的应用。现有的基准数据集包括引文、共现、电子商务网络等，类别从 3 到 15 不等。然而，目前还没有用于图机器学习的基准分类社交网络数据集。本文填补了这一空白，提出了二分类社交网络数据集（\textit{BiSND}），专为图机器学习应用设计以预测二元类别。我们以 \textit{表格和图} 格式呈现 BiSND，以验证其在经典和高级机器学习中的鲁棒性。我们采用了多种分类器，包括四种传统机器学习算法（决策树、K近邻、随机森林、XGBoost），一种深度神经网络（多层感知机），一种图神经网络（图卷积网络），以及三种最先进的图对比学习方法（BGRL、GRACE、DAENS）。我们的研究结果表明，BiSND 适用于分类任务，F1 分数从 67.66 到 70.15 不等，表明未来改进的广阔前景。
引用
@article{arxiv.2503.02397,
title = {A Binary Classification Social Network Dataset for Graph Machine Learning},
author = {Adnan Ali and Jinglong Li and Huanhuan Chen and AlMotasem Bellah Al Ajlouni},
journal= {arXiv preprint arXiv:2503.02397},
year = {2025}
}