GCN节点分类Cora数据集
简介
本仓库提供了一个用于GCN（图卷积网络）节点分类任务的Cora数据集。Cora数据集是一个经典的图数据集，广泛用于图神经网络的研究和实验。该数据集包含了科学论文的引用网络，节点代表论文，边代表引用关系。每个节点还附带了论文的特征向量，用于节点分类任务。
数据集描述
- 节点数量：2708
- 边数量：5429
- 特征维度：1433
- 类别数量：7
文件结构
cora.content: 包含节点特征和标签的文件。每行代表一个节点，格式为：节点ID 特征向量 标签。cora.cites: 包含边信息的文件。每行代表一条边，格式为：节点ID1 节点ID2。
使用方法
- 下载数据集：直接下载本仓库中的
cora.content和cora.cites文件。 - 加载数据集：使用Python或其他编程语言加载数据集，进行GCN模型的训练和测试。
示例代码
以下是一个简单的Python代码示例，展示如何加载Cora数据集并进行GCN模型的训练。
import numpy as np
import scipy.sparse as sp
import torch
from torch_geometric.datasets import Planetoid
# 加载Cora数据集
dataset = Planetoid(root='./data/Cora', name='Cora')
data = dataset[0]
# 打印数据集信息
print(f'节点数量: {data.num_nodes}')
print(f'边数量: {data.num_edges}')
print(f'特征维度: {data.num_node_features}')
print(f'类别数量: {data.num_classes}')
# 训练GCN模型
# ...
注意事项
- 数据集已经预处理，可以直接用于GCN模型的训练。
- 在使用数据集时，请确保遵循相关的使用许可和版权规定。
贡献
欢迎对本仓库进行贡献，包括但不限于数据集的改进、代码优化等。请提交Pull Request或Issue进行讨论。
许可证
本仓库中的数据集遵循MIT许可证。详细信息请参阅LICENSE文件。