社交网络图数据集

Stanford Large Network Dataset Collection 斯坦福大学大型网络数据集

官方网站https://snap.stanford.edu/data/
 

the University of Florida Sparse Matrix Collection 佛罗里达大学稀疏矩阵集合

官方网站https://sparse.tamu.edu/
 
 

1、com-Orkut(OK):是Orkut社交网络的无向图

 
官方网站https://snap.stanford.edu/data/com-Orkut.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-orkut.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点3072441
Edges 边117185083
平均聚类系数0.1666
三角形数量627584181
社区数量8455253
平均社区规模34.86
每个节点的社区成员资格95.9

2、com-LiveJournal:LiveJournal 社交网络和真实社区

 
官方网站https://snap.stanford.edu/data/com-LiveJournal.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-lj.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点3997962
Edges 边34681189
平均聚类系数0.2843
三角形数量177820130
社区数量311782
平均社区规模40.06
每个节点的社区成员资格3.09

3、com-Friendster:Friendster 是一个在线游戏网络

 
官方网站https://snap.stanford.edu/data/com-Friendster.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-friendster.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点65608366
Edges 边1806067135
平均聚类系数0.1623
三角形数量4173724142
社区数量1449666
平均社区规模26.72
每个节点的社区成员资格0.32

4、com-Youtube:YouTube 是一个包含社交网络的视频共享网站

 
官方网站https://snap.stanford.edu/data/com-Youtube.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-youtube.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点1134890
Edges 边2987624
平均聚类系数0.0808
三角形数量3056386
社区数量8385
平均社区规模13.5
每个节点的社区成员资格0.1

5、com-DBLP:DBLP 计算机科学参考书目提供了计算机科学研究论文的完整列表

 
官方网站https://snap.stanford.edu/data/com-DBLP.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-dblp.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点317080
Edges 边1049866
平均聚类系数0.6324
三角形数量2224385
社区数量2547
平均社区规模429.79
每个节点的社区成员资格2.56

6、com-Amazon:亚马逊产品共同购买网络和真实社区

 
官方网站https://snap.stanford.edu/data/com-Amazon.html

下载链接http://snap.stanford.edu/data/bigdata/communities/com-amazon.ungraph.txt.gz

Source (citation) 来源(引用):J. Yang and J. Leskovec. Defining and Evaluating Network Communities based on Ground-truth. ICDM, 2012.

介绍

数据集统计(属性)
Nodes 节点334863
Edges 边925872
平均聚类系数0.3967
三角形数量667129
社区数量49732
平均社区规模99.86
每个节点的社区成员资格14.83

7、wiki-Talk:维基百科谈话网络

 
官方网站https://snap.stanford.edu/data/wiki-Talk.html

下载链接http://snap.stanford.edu/data/bigdata/communities/Wiki-Talk.txt.gz

Source (citation) 来源(引用):J. Leskovec, D. Huttenlocher, J. Kleinberg. Predicting Positive and Negative Links in Online Social Networks. WWW 2010.

介绍

数据集统计(属性)
Nodes 节点2394385
Edges 边5021410
平均聚类系数0.0526
三角形数量9203519

8、ego-Facebook:社交圈:脸书

 
官方网站https://snap.stanford.edu/data/ego-Facebook.html

下载链接http://snap.stanford.edu/data/bigdata/communities/facebook.tar.gz

Source (citation) 来源(引用):J. McAuley and J. Leskovec. Learning to Discover Social Circles in Ego Networks. NIPS, 2012.

介绍

数据集统计(属性)
Nodes 节点4039
Edges 边88234
平均聚类系数0.6055
三角形数量1612010

9、ego-Twitter:社交圈:推特

 
官方网站https://snap.stanford.edu/data/ego-Twitter.html

下载链接http://snap.stanford.edu/data/bigdata/communities/twitter.tar.gz

Source (citation) 来源(引用):J. McAuley and J. Leskovec. Learning to Discover Social Circles in Ego Networks. NIPS, 2012.

介绍

数据集统计(属性)
Nodes 节点81306
Edges 边1768149
平均聚类系数0.5653
三角形数量13082506

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/46130.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Spring源码(三) Spring IoC之BeanFactory创建bean和获取bean

ApplicationContext 和 BeanFactory 可以先简单了解下 ApplicationContext 和 BeanFactory。 详情见: https://blog.csdn.net/sinat_32502451/article/details/140247662 getBean() 代码示例 首先看代码示例,调试一下。 代码详情见: htt…

输入法发展历史

输入法的发展历史,尤其是中文输入法,是一个相当丰富和多元的话题,它反映了技术进步、用户需求变化以及计算机和移动设备界面设计的演进。以下是一个概览: 早期阶段 1970s:朱邦复在1976年发明了仓颉输入法,…

python:绘制一元四次函数的曲线

编写 test_x4_x2_4x.py 如下 # -*- coding: utf-8 -*- """ 绘制函数 y x^4x^24x-3 在 -2<x<2 的曲线 """ import numpy as np from matplotlib import pyplot as plt# 用于正常显示中文标题&#xff0c;负号 plt.rcParams[font.sans-s…

Amazon EC2 部署Ollama + webUI

最近和同事闲聊&#xff0c;我们能不能内网自己部署一个LLM&#xff0c;于是便有了Ollama webUI的尝试 对于Linux&#xff0c;使用一行命令即可 curl -fsSL https://ollama.com/install.sh | shollama --help Large language model runnerUsage:ollam…

网络规划设计师教程(第二版) pdf

网络规划设计师教程在网上找了很多都是第一版&#xff0c;没有第二版。 所以去淘宝买了第二版的pdf&#xff0c;与其自己独享不如共享出来&#xff0c;让大家也能看到。 而且这个pdf我已经用WPS扫描件识别过了&#xff0c;可以直接CtrlF搜索关键词&#xff0c;方便查阅。 链接…

element-ui 表格固定头和固定列表格错位

问题&#xff1a;当 el-table 组件固定了表头和列时&#xff0c;列表数据触发滚动条&#xff0c;列表滚动到底&#xff0c;会有错位。 原因分析&#xff1a;因为固定列和固定表头产生的滚动条宽度不一致&#xff0c;导致有轻微误差。 解决&#xff1a;自定义滚动条高度&#…

PostgreSQL 中如何解决因频繁的小事务导致的性能下降?

&#x1f345;关注博主&#x1f397;️ 带你畅游技术世界&#xff0c;不错过每一次成长机会&#xff01;&#x1f4da;领书&#xff1a;PostgreSQL 入门到精通.pdf 文章目录 PostgreSQL 中解决因频繁小事务导致性能下降的方法 PostgreSQL 中解决因频繁小事务导致性能下降的方法…

搭建调用链监控Zipkin和Sleuth

项目环境: win7、jdk8 1、添加依赖,添加了spring-cloud-starter-zipkin会自动导入Sleuth <!--Sleuth,zipkin--><dependency><groupId>org.springframework.cloud</groupId><artifactId>spring-cloud-starter-zipkin</artifactId><ve…

nodejs实现数据库备份、清空表、删除表

备份数据库 使用 mysqldump 库&#xff0c;实现数据备份 var path require(path) var fs require(fs) const mysqldump require(mysqldump)const backupsMysql () > {const backupFolder path.join(__dirname, backup)if (!fs.existsSync(backupFolder)) {fs.mkdirSync…

基于SpringBoot的校园志愿者管理系统

你好呀&#xff0c;我是计算机学姐码农小野&#xff01;如果有相关需求&#xff0c;可以私信联系我。 开发语言&#xff1a;Java 数据库&#xff1a;MySQL 技术&#xff1a;SpringBoot框架 工具&#xff1a;MyEclipse、Tomcat 系统展示 首页 个人中心 志愿者管理 活动信息…

Python + Playwright(20):模拟手机设备

Python + Playwright(20):模拟手机设备 前言为什么要模拟手机设备?使用Playwright模拟手机设备(基础示例)使用Playwright模拟手机设备(复杂示例)进阶配置和技巧自定义设备配置:模拟特定的屏幕尺寸移动设备性能测试测量页面加载时间模拟不同的网络条件总结前言 在UI自动…

【每日一练】python函数与装饰器

Python装饰器是一种用于修改函数或类的行为的语法结构。装饰器可以在不修改原始函数或类的情况下&#xff0c;为它们添加额外的功能。 使用装饰器的常见场景是在不改变原函数代码的情况下&#xff0c;给函数添加日志记录、性能统计、输入验证等功能。装饰器还可以用于授权、缓…

SQL性能下降的原因

一、SQL性能下降的原因 主要是性能下降SQL慢、执行时间长、等待时间长 不是一条SQL抓出来就要优化&#xff0c;在真实的生产环境下这种故障第一个要去复线&#xff0c;有可能去排查的时候没&#xff0c;所以没法复线。 可能需要它跑半天或者一天来缩小筛查的范围&#xff0c…

ThingsBoard本地windows环境启动

提示&#xff1a;以下内容只是本人自己在环境运行情况&#xff0c;不同环境或许会有区别请注意甄别 本地部署 前言简介正文实现总结 前言 前置环境的配置&#xff0c;首先电脑需要配置了git、maven、JDK17 本人使用的maven版本号为3.8.4 软件版本号git2.42.0maven3.8.4jdk17n…

three-tile开发: 5. 取得地图的地面信息

three-tile 是一个开源的轻量级三维瓦片库&#xff0c;它基于threejs使用typescript开发&#xff0c;提供一个三维地形模型&#xff0c;能轻松给你的应用增加三维瓦片地图。 项目地址&#xff1a;GitHub - sxguojf/three-tile: 3D tile map using threejs 示例地址&#xff1a;…

JVM:自动垃圾回收

文章目录 一、C/C的内存管理二、Java的内存管理1、方法去的回收2、堆回收&#xff08;1&#xff09;引用计数法和可达性分析法&#xff08;2&#xff09;五种对象引用&#xff08;3&#xff09;垃圾回收算法&#xff08;4&#xff09;垃圾回收器 一、C/C的内存管理 在C和C没有…

uni-app 蓝牙传输

https://www.cnblogs.com/ckfuture/p/16450418.html https://www.cnblogs.com/yangxiaobai123/p/16021058.html 字符串转base64&#xff1a;https://www.cnblogs.com/sunny3158/p/17312158.html 将 ArrayBuffer 对象转成 Base64 字符串&#xff1a;基础 - uni.arrayBufferT…

IT运维也有自己的节日 724向日葵IT运维节,三大版本如何选?

“724运维节”&#xff0c;是2016年由开放运维联盟发起倡议&#xff0c;广大运维人员共同投票产生的属于运维人自己的节日。 对于运维人最大的印象&#xff0c;那就是工作都需要7x24小时待命&#xff0c;是名副其实的“日不落骑士”&#xff0c;这也是大家选择724这一天作为运…

原理图大结局

一、总结哪些地方是5V供电&#xff1f;哪些地方是4V供电&#xff1f;哪些地方是3.3V供电&#xff1f;为什么会这样&#xff1f;根据什么原则来划分供电区域&#xff1f; 二、 5V 供电为什么有的地方要100uF&#xff0b; 0.1uF 滤波&#xff1f;有的地方只要 10uF 滤波&#xff…

RabbitMQ - 延迟消息 - 死信交换机

目录 1、怎么理解延迟消息&#xff1f; 2、如何实现延迟消息&#xff1f; 2.1、方案一&#xff1a;死信交换机 2.1.1、什么是死信&#xff1a; 2.1.2、什么是死信交换机&#xff1f; 2.2、方案二&#xff1a;延迟消息插件 2.2.1、插件安装&#xff1a; 2.2.2、代码实现 …