图数据集Zachary‘s karate club network详解，包括其在NetworkX、PyG上的获取和应用方式

诸神缄默不语-个人CSDN博文目录

1. 原始数据

维基百科：Zachary’s karate club - Wikipedia

原始论文：An Information Flow Model for Conflict and Fission in Small Groups

数据集中只有一张图。
该图描述了一个空手道俱乐部会员的社交关系，以34名会员作为节点，如果两位会员在俱乐部之外仍保持社交关系，则在节点间增加一条边。
每个节点具有一个34维的特征向量，一共有78条边。
在收集数据的过程中，管理人员 John A 和 教练 Mr. Hi（化名）之间产生了冲突，会员们选择了站队，一半会员跟随 Mr. Hi 成立了新俱乐部，剩下一半会员找了新教练或退出了俱乐部。通过收集到的图数据，Zachary 进行了分类，除1名会员外都分类正确。

2. NetworkX中的数据

官方文档：networkx.generators.social.karate_club_graph

无向图。一共有34个节点，78条无向、无权、无特征的边。节点具有club属性，取值为 Mr. Hi 或 Officer。

数据获取代码：G = nx.karate_club_graph()

数据文件来源：UCINET IV Datasets

3. PyG中的数据

官方文档：torch_geometric.datasets.KarateClub
源代码：torch_geometric.datasets.karate — pytorch_geometric 1.7.0 documentation

数据文件来源于NetworkX的karate_club_graph，在其基础上做了修改。应该也是34个节点，78条无向边（edge_index宽为156）。
（官方文档中说是154条边（指无向图边×2的数目），应该是写错了，我已经在GitHub项目的论坛里面提问了，等解答ing）

基于论文 Semi-Supervised Classification with Graph Convolutional Networks，用 modularity-based clustering 给每个节点赋予一个四分类的标签（0 1 2 3）。
聚合训练基于每一类的一个有标签节点（也就是一共有4个真实值节点），真实值节点是train_mask为True对应索引的节点。
每个节点有一个34维的特征（x），是独热编码的形式。
参考源代码，y是通过community的community_louvain计算出来的。然后将每一类的第一个节点作为真实值节点。

获取数据的方式：

from torch_geometric.datasets import KarateClub
dataset = KarateClub()
data = dataset[0]
print(data)

Data(edge_index=[2, 156], train_mask=[34], x=[34, 34], y=[34])