图数据处理入门

任务描述

按照（边，边特征，边标签），（节点，节点特征，节点标签）统一不同论文数据集

• 熟练使用numpy, pandas工具，将不同格式图的边数据存储为带有时间戳的边csv文件
• 提取图的节点信息，包括节点ID, 节点的reIndex, [节点度提取, 节点邻居个数, 节点三角形个数]，节点标签
• 针对包含文本、图像的数据，利用Word2Vec, Glove, ResNet等预训练框架，提取相关节点、边向量信息
• 生成对不同图的描述，包括图的节点个数, 边个数, 时间戳跨度, 时间戳个数, 平均度数, 最大度数，测试集的新节点个数

数据集来源

1. https://github.com/srijankr/jodie
2. https://aminer.cn/aminernetwork
3. https://aminer.cn/dynamic_coauthor

数据集整理

数据集梳理总结：

1、Coauthor数据集用于根据时间状态预测Researchers之间的合作关系，除Author_ID和时间戳以外无其他的节点特征和标签；
2、Academic Social Network数据集中包含两类节点——作者和文章，作者之间存在合作关系用带权边表示，文章之间存在引用关系用有向边表示，文章与作者之间用边表所属关系，作者节点特征为作者研究兴趣、所属机构、影响因子等，文章特征位题目、摘要、所属机构、地点等；
3、Last FM，MOOC，Reddit，Wikipedia四个数据集结构相同，均以users和items作为节点，带有时间戳和指定特征，节点状态为标签，用以预测节点状态变化，或者两个节点之间的是否有关联。