PDNS-Net：面向图学习的网络解析大规模异构图基准数据集
机器学习
2022-03-16 v1 密码学与安全
摘要
为推动图学习算法的技术发展水平，有必要构建大规模真实世界数据集。尽管已有许多面向同构图的基准数据集，但可用于异构图的寥寥无几。此外，这些异构图规模较小，不足以理解图学习算法在分类指标和计算资源利用方面的表现。我们提出了 PDNS-Net，这是最大的公开异构图数据集，包含 447K 个节点和 897K 条边，用于恶意域名分类任务。与流行的异构数据集 IMDB 和 DBLP 相比，PDNS-Net 分别大 38 倍和 17 倍。我们提供了 PDNS-Net 的详细分析，包括数据收集方法、异构图构建、描述性统计和初步图分类性能。该数据集公开于 https://github.com/qcri/PDNS-Net。我们对 PDNS-Net 上流行的同构和异构图神经网络进行的初步评估表明，需要进一步研究以提升这些模型在大型异构图上的性能。
引用
@article{arxiv.2203.07969,
title = {PDNS-Net: A Large Heterogeneous Graph Benchmark Dataset of Network Resolutions for Graph Learning},
author = {Udesh Kumarasinghe and Fatih Deniz and Mohamed Nabeel},
journal= {arXiv preprint arXiv:2203.07969},
year = {2022}
}
备注
Workshop on Graph Learning Benchmark 2022