Conjuntos de dados clássicos de análise de rede

Existem vários conjuntos de dados clássicos para tarefas de classificação / regressão de aprendizado de máquina. Os mais populares são:

• Conjunto de dados de flor de íris ;
• Conjunto de dados do Titanic ;
• Carros da tendência do motor ;
• etc.

Mas alguém conhece conjuntos de dados semelhantes para análise de redes / teoria de grafos? Mais concreto - estou procurando conjuntos de dados padrão Gold para comparar / avaliar / aprender:

1. medidas de centralidade;
2. algoritmos de agrupamento de rede.

Não preciso de uma lista enorme de redes / gráficos publicamente disponíveis, mas de alguns conjuntos de dados realmente obrigatórios.

EDITAR:

É bastante difícil fornecer recursos exatos para o "conjunto de dados padrão ouro", mas aqui estão alguns pensamentos. Eu acho que o conjunto de dados clássico real deve atender a esses critérios:

• Múltiplas referências em artigos e livros didáticos;
• Inclusão em pacotes de software de análise de rede conhecidos;
• Tempo suficiente de existência;
• Utilização em vários cursos de análise de gráficos.

Em relação ao meu campo de interesse, também preciso de classes rotuladas para vértices e / ou "notas de autoridade" pré-computadas (ou predefinidas) (ou seja, estimativas de centralidade). Depois de fazer essa pergunta, continuei pesquisando e aqui estão alguns exemplos adequados:

• Zachary Karate Club : lançado em 1977, citado mais de 1,5 mil vezes (segundo o Google Scholar), os vértices têm o atributo Faction (que pode ser usado para agrupar).
• Rede de colaboração do Erdos : infelizmente, não encontrei essa rede na forma de arquivo de dados, mas é bastante famosa e, se alguém enriquecer a rede com os dados de especializações dos matemáticos, também poderá ser usado para testar algoritmos de agrupamento.

O que você está procurando pode ser encontrado no KONECT (o site está fora do ar enquanto estou escrevendo isso, mas deve ser corrigido em breve!). É quase a coleta de dados mais abrangente para análise de rede. Mas a questão é qual é mais padrão para usar?

Bem, não há uma resposta clara, exceto o Zachary Karate Club!

Se você fizer uma revisão da literatura nos algoritmos de Detecção da comunidade, verá que quase todos os papéis brilhantes usam redes diferentes. Minha sugestão é analisar o que Andrea Lancichinetti e Santo Fortunato fizeram para gráficos de benchmarking. Eles propuseram alguns algoritmos de geração de gráficos de referência, por exemplo, este .

Espero que ajude :)

Talvez você possa conferir aqui - http://snap.stanford.edu/data/

Para cada conjunto de dados, você também verá referências dos trabalhos em que eles foram usados

A única coisa que sei são os dados de referência para bancos de dados de gráficos, como o Neo4j.

Você pode encontrar links semelhantes a este: http://istc-bigdata.org/index.php/benchmarking-graph-databases/

onde você pode encontrar dados para testar a análise de rede e a teoria dos grafos.

Além disso, você pode jogar com a API do Twitter / Facebook para coletar seus próprios dados. Essa também é uma sugestão, caso você não encontre os dados que está procurando.