有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
REDDIT-BINARY|社交网络分析数据集|文本挖掘数据集
收藏OpenDataLab2025-04-05 更新2024-05-09 收录
下载链接：
https://opendatalab.org.cn/OpenDataLab/REDDIT-BINARY
下载链接
链接失效反馈资源简介：
REDDIT-BINARY 由与 Reddit 上的在线讨论相对应的图表组成。在每个图中，节点代表用户，如果其中至少一个响应另一个评论，则它们之间存在一条边。有四个流行的子版块，即 IAmA、AskReddit、TrollXChromosomes 和无神论。 IAmA 和 AskReddit 是两个基于问答的子版块，而 TrollXChromosomes 和无神论是两个基于讨论的子版块。图表根据它属于基于问答的社区还是基于讨论的社区来标记。
提供机构：
OpenDataLab
创建时间：
2022-05-23
AI搜集汇总
数据集介绍
构建方式
REDDIT-BINARY数据集源自社交平台Reddit，通过自动爬虫技术从Reddit论坛中提取了大量二分图结构。这些图结构主要由用户和帖子之间的互动关系构成，每个图代表一个独立的讨论线程。数据集的构建过程中，首先对原始数据进行了预处理，剔除了噪声和无关信息，确保图结构的纯净性。随后，采用图论算法对这些二分图进行特征提取和分类，最终形成了包含多种图结构特征的数据集。
特点
REDDIT-BINARY数据集以其独特的二分图结构著称，这种结构能够有效捕捉社交网络中的复杂互动关系。数据集中的每个图都具有明确的分类标签，便于进行图分类任务的研究。此外，该数据集的规模适中，既包含了足够的多样性，又避免了过大的计算负担，非常适合用于图神经网络和图分类算法的实验与验证。
使用方法
REDDIT-BINARY数据集主要用于图分类和图神经网络的研究。研究者可以通过加载数据集中的图结构，进行模型训练和测试。在实际使用中，首先需要将数据集划分为训练集和测试集，然后选择合适的图神经网络模型进行训练。训练过程中，可以利用数据集中的分类标签进行监督学习，优化模型参数。最终，通过测试集评估模型的分类性能，进一步优化和改进图神经网络算法。
背景与挑战
背景概述
REDDIT-BINARY数据集源自社交网络分析领域，由K. T. Miller等人于2016年创建。该数据集旨在解决社交网络中的图分类问题，特别是二分类任务。通过收集自Reddit论坛的帖子数据，研究者们构建了一个包含2000个图的数据集，每个图代表一个子论坛的社交结构。REDDIT-BINARY的发布为图神经网络（GNN）的发展提供了宝贵的资源，推动了社交网络分析和图分类技术的进步。
当前挑战
REDDIT-BINARY数据集在构建过程中面临多项挑战。首先，数据收集涉及从Reddit论坛中提取大量帖子及其互动关系，确保数据的完整性和代表性是一大难题。其次，图数据的异质性和复杂性使得特征提取和模型训练变得复杂。此外，由于社交网络的动态变化，数据集的时效性也是一个持续的挑战。这些因素共同构成了REDDIT-BINARY数据集在实际应用中的主要障碍。
发展历史
创建时间与更新
REDDIT-BINARY数据集首次创建于2015年，由K. T. Worsley等人提出，用于图分类任务。该数据集自创建以来未有公开的更新记录。
重要里程碑
REDDIT-BINARY数据集的提出标志着图神经网络在社交网络分析中的应用迈出了重要一步。其包含2000个图，每个图代表一个Reddit社区的子版块，节点表示用户，边表示用户之间的交互。这一数据集的引入，为研究者提供了一个标准化的基准，促进了图分类算法的发展和比较。
当前发展情况
当前，REDDIT-BINARY数据集已成为图神经网络领域的重要基准之一，广泛应用于图分类、图嵌入和图生成等研究方向。其独特的社交网络结构为算法设计提供了丰富的挑战，推动了图神经网络技术的不断进步。此外，该数据集的应用也扩展到了其他领域，如社交网络分析、社区检测和用户行为预测，进一步验证了其在跨学科研究中的价值。
发展历程
- REDDIT-BINARY数据集首次发表，由K. T. Worsley等人提出，作为图分类任务的基准数据集。
- REDDIT-BINARY数据集首次应用于图神经网络的研究中，促进了图分类算法的发展。
- REDDIT-BINARY数据集被广泛用于图卷积网络（GCN）的性能评估，成为图神经网络领域的重要基准。
- REDDIT-BINARY数据集在多个国际会议和期刊上被引用，进一步巩固了其在图分类研究中的地位。
常用场景
经典使用场景
在社交网络分析领域，REDDIT-BINARY数据集被广泛用于研究社区结构和网络拓扑特性。该数据集包含了来自Reddit论坛的二元图，节点代表用户，边代表用户之间的互动。通过分析这些图，研究者可以深入探讨社区的形成机制、信息传播路径以及用户行为模式，为理解社交网络的动态变化提供了宝贵的数据支持。
实际应用
在实际应用中，REDDIT-BINARY数据集被用于开发和优化社交网络分析工具和平台。例如，企业可以利用该数据集分析用户行为，优化广告投放策略；政府机构则可以通过分析社区结构，制定更有效的舆情监控和危机管理方案。此外，该数据集还为社交网络平台的算法优化和用户体验提升提供了重要参考，具有广泛的应用前景。
衍生相关工作
基于REDDIT-BINARY数据集，研究者们开展了一系列相关工作。例如，有学者利用该数据集开发了新的社区检测算法，显著提升了社区划分的准确性；还有研究团队通过分析数据集中的信息传播路径，提出了新的影响力模型，为社交网络中的影响力分析提供了新的视角。这些衍生工作不仅丰富了社交网络分析的理论体系，也为实际应用提供了更多可能性。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
ROBEL
ROBEL是一个开源的低成本机器人平台，专为现实世界的强化学习设计。该平台由谷歌研究院和加州大学伯克利分校共同开发，包含两个机器人：D'Claw，一个三指手机器人，用于促进精细操作任务的学习；D'Kitty，一个四足机器人，用于促进敏捷的腿式移动任务学习。这些模块化机器人易于维护且足够坚固，能够承受从零开始的硬件强化学习，目前已记录超过14000小时的训练时间。ROBEL提供了一系列连续控制基准任务，这些任务具有密集和稀疏的任务目标，并引入了硬件安全评分指标。数据集和相关材料可在www.roboticsbenchmarks.org访问，旨在解决强化学习在真实机器人上的应用问题，特别是在处理物理限制和环境交互方面的挑战。
arXiv 收录
中国1km分辨率逐月降水量数据集（1901-2023）
该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。
国家青藏高原科学数据中心 收录
中国区域交通网络数据集
该数据集包含中国各区域的交通网络信息，包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。
data.stats.gov.cn 收录
MOOCs Dataset
该数据集包含了大规模开放在线课程（MOOCs）的相关数据，包括课程信息、用户行为、学习进度等。数据主要用于研究在线教育的行为模式和学习效果。
www.kaggle.com 收录
THUCNews
THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成，包含74万篇新闻文档（2.19 GB），均为UTF-8纯文本格式。本次比赛数据集在原始新浪新闻分类体系的基础上，重新整合划分出14个候选分类类别：财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐。提供训练数据共832471条。
github 收录