按照任务分类，可以把数据集分成以下几类： - 引文网络 - 生化图 - 社交网络 - 知识图谱 - 开源数据集仓库

1. 引文网络

Pubmed/Cora/Citeseer

引文网络，节点为论文、边为论文间的引用关系。这三个数据集通常用于链路预测或节点分类。 这三个数据集均来自于： 《Collective classification in network data》

下载链接：https://linqs.soe.ucsc.edu/data

DBLP

DBLP是大型的计算机类文献索引库。原始的DBLP只是XML格式，清华唐杰教授的一篇论文将其进行处理并获得引文网络数据集。到目前为止已经发展到了第12个版本。

**DBLP引用网络论文： 《ArnetMiner: Extraction and Mining of Academic Social Networks》 - 原始数据可以从这里获得： https://dblp.uni-trier.de/xml/ - 如果是想找处理过的DBLP引文网络数据集，可以从这里获得： https://www.aminer.cn/citation

2. 生化图

PPI 蛋白质-蛋白质相互作用（protein-protein interaction, PPI）是指两个或两个以上的蛋白质分子通过非共价键形成 蛋白质复合体（protein complex）的过程。 PPI数据集中共有24张图，其中训练用20张，验证/测试分别2张。 节点最多可以有121种标签（比如蛋白质的一些性质、所处位置等）。每个节点有50个特征，包含定位基因集合、特征基因集合以及免疫特征。 PPI论文： 《Predicting multicellular function through multi-layer tissue networks》 PPI下载链接： http://snap.stanford.edu/graphsage/ppi.zip

NCI-1

NCI-1是关于化学分子和化合物的数据集，节点代表原子，边代表化学键。NCI-1包含4100个化合物，任务是判断该化合物是否有阻碍癌细胞增长的性质。 NCI-1论文： 《Comparison of descriptor spaces for chemical compound retrieval and classification》 Graph Kernel Datasets提供下载

MUTAG

MUTAG数据集包含188个硝基化合物，任务是判断化合物是芳香族还是杂芳族。

MUTAG论文： 《Structure-activity relationship of mutagenic aromatic and heteroaromatic nitro compounds. correlation with molecular orbital energies and hydrophobicity》 Graph Kernel Datasets提供下载

D&D/PROTEIN

D&D在蛋白质数据库的非冗余子集中抽取了了1178个高分辨率蛋白质，使用简单的特征，如二次结构含量、氨基酸倾向、表面性质和配体；其中节点是氨基酸，如果两个节点之间的距离少于6埃（Angstroms），则用一条边连接。 PROTEIN则是另一个蛋白质网络。任务是判断这类分子是否酶类。

D&D论文： 《Distinguishing enzyme structures from non-enzymes without alignments》 D&D下载链接： https://github.com/snap-stanford/GraphRNN/tree/master/dataset/DD

PROTEIN论文： 《Protein function prediction via graph kernels》 Graph Kernel Datasets提供下载

PTC

PTC全称是预测毒理学挑战，用来发展先进的SAR技术预测毒理学模型。这个数据集包含了针对啮齿动物的致癌性标记的化合物。 根据实验的啮齿动物种类，一共有4个数据集： - PTCFM（雌性小鼠） - PTCFR（雌性大鼠） - PTCMM（雄性小鼠） - PTCMR（雄性大鼠）

PTC论文：《Statistical evaluation of the predictive toxicology challenge 2000-2001》 Graph Kernel Datasets提供下载

QM9

这个数据集有133,885个有机分子，包含几何、能量、电子等13个特征，最多有9个非氢原子（重原子）。来自GDB-17数据库。

QM9论文： 《Quantum chemistry structures and properties of 134 kilo molecules》 QM9下载链接： http://quantum-machine.org/datasets/

Alchemy

Alchemy包含119,487个有机分子，其有12个量子力学特征（quantum mechanical properties），最多14个重原子（heavy atoms），从GDB MedChem数据库中取样。扩展了现有分子数据集多样性和容量。

Alchemy论文： 《Alchemy: A quantum chemistry dataset for benchmarking ai models》 Alchemy下载链接： https://alchemy.tencent.com/

3. 社交网络

Reddit

Reddit数据集是由来自Reddit论坛的帖子组成，如果两个帖子被同一人评论，那么在构图的时候，就认为这两个帖子是相关联的，标签是每个帖子对应的社区分类。 Reddit论文： 《Inductive representation learning on large graphs》 Reddit下载链接： https://github.com/linanqiu/reddit-dataset

BlogCatalog

BlogCatalog数据集是一个社会关系网络，图是由博主及其社会关系（比如好友）组成，标签是博主的兴趣爱好。

BlogCatalog论文：《Relational learning via latent social dimensions》 BlogCatalog下载链接：http://socialcomputing.asu.edu/datasets/BlogCatalog

4. 知识图谱

FB13/FB15K/FB15K237

这三个数据集是Freebase的子集。其中： - FB13：包含13种关系、75043个实体。 - FB15K：包含1345种关系、14951个实体 - FB15K237：包含237种关系、14951个实体

如果希望找到entity id对应的实体数据，可以通过以下渠道（并不是所有的实体都能找到）： https://developers.google.com/freebase/#freebase-wikidata-mappings http://sameas.org/

WN11/WN18/WN18RR

这三个是WordNet的子集： WN11：包含11种关系、38696个实体 WN18：包含18种关系、40943个实体 WN18RR：包含11种关系、40943个实体 为了避免在评估模型时出现inverse relation test leakage，建议使用FB15K237/WN18RR 来替代FB15K/WN18。更多建议阅读《Convolutional 2D Knowledge Graph Embeddings》 FB15K/WN8论文： 《Translating Embeddings for Modeling Multi-relational Data》 FB13/WN11论文： 《Reasoning With Neural Tensor Networks for Knowledge Base Completion》 WN18RR论文： 《Convolutional 2D Knowledge Graph Embeddings》

以上6个知识图谱数据集均可从这里下载： https://github.com/thunlp/OpenKE/tree/master/benchmarks 数据集 关系 实体数 FB13 13 75043 FB15K 1345 14951 FB15K237 237 14951 WN11 11 38696 WN18 18 40943 WN18RR 11 40943

5. 开源的数据仓库

Network Repository

具有交互式可视化和挖掘工具的图数据仓库。具有以下特点： 用表格的形式展示每一个图数据集的节点数、遍数、平均度数、最大度数等。 可视化对比图数据集之间的参数。 在线GraphVis，可视化图结构和详细参数。

链接： http://networkrepository.com

Graph Kernel Datasets

图核的基准数据集。提供了一个表格，可以快速得到每个数据集的节点数量、类别数量、是否有节点/边标签、节点/边特征。

链接： https://ls11-www.cs.tu-dortmund.de/staff/morris/graphkerneldatasets

Relational Dataset Repository

关系机器学习的数据集集合。能够以数据集大小、领域、数据类型等条件来检索数据集。

链接： https://relational.fit.cvut.cz

Stanford Large Network Dataset Collection

SNAP库包含了一个大型图网络数据集集合，拥有大型社交、信息网络。包括：图分类数据库、社交网络、引用网络、亚马逊网络等等，非常丰富。

链接： https://snap.stanford.edu/data/

Open Graph Benchmark

OGB是真实基准数据集的集合，同时提供数据加载器和评估器（PyTorch）。可以自动下载、处理和切割；完全兼容PyG和DGL。

链接： https://ogb.stanford.edu/