Benchmarking-GNNs数据集详解：从分子图到社交网络的全面覆盖

**图神经网络基准测试数据集全解析**：从分子图到社交网络的全面覆盖，深入了解10大核心数据集及其应用场景 🚀在**图神经网络基准测试**领域，Benchmarking-GNNs项目提供了业界最全面的数据集集合。这个开源项目（JMLR 2023）不仅包含了经典的分子图数据集如ZINC和AQSOL，还涵盖了社交网络、图像超像素、理论图属性等多种数据类型。无论你是GNN研究者还是实践者，了解这些

强苹旖

1032人浏览 · 2026-04-07 08:21:51

强苹旖 · 2026-04-07 08:21:51 发布

Benchmarking-GNNs数据集详解：从分子图到社交网络的全面覆盖

【免费下载链接】benchmarking-gnns Repository for benchmarking graph neural networks (JMLR 2023) 项目地址: https://gitcode.com/gh_mirrors/be/benchmarking-gnns

图神经网络基准测试数据集全解析：从分子图到社交网络的全面覆盖，深入了解10大核心数据集及其应用场景 🚀

在图神经网络基准测试领域，Benchmarking-GNNs项目提供了业界最全面的数据集集合。这个开源项目（JMLR 2023）不仅包含了经典的分子图数据集如ZINC和AQSOL，还涵盖了社交网络、图像超像素、理论图属性等多种数据类型。无论你是GNN研究者还是实践者，了解这些数据集的特点和应用场景都至关重要。

📊 数据集分类概览

Benchmarking-GNNs项目的数据集可以分为以下几个主要类别：

1. 分子图数据集（化学领域）

ZINC：包含12,000个分子图，用于图回归任务，预测分子的溶解度
ZINC-full：扩展版ZINC数据集，包含249,000个分子图，规模更大
AQSOL：基于实验测量的分子水溶性数据集，具有真实世界的化学目标值

这些数据集位于 data/molecules/ 目录，支持分子性质预测任务，是药物发现和材料科学领域的重要基准。

2. TU图数据集（生物信息学）

DD：蛋白质结构图数据集，包含1,178个蛋白质图
ENZYMES：酶分子图数据集，包含600个酶分子图
PROTEINS_full：完整蛋白质图数据集

这些生物信息学数据集位于 data/TUs/ 目录，用于图分类任务，帮助研究人员理解蛋白质结构和功能关系。

3. 社交网络与协作数据集

COLLAB：学术合作网络数据集，来自OGB（Open Graph Benchmark）
WikiCS：维基百科计算机科学文章链接图，用于节点分类

图神经网络层更新机制示意图，展示了GNN中节点特征的跨层聚合过程

4. 图像超像素数据集

MNIST Superpixels：基于MNIST手写数字生成的超像素图
CIFAR10 Superpixels：基于CIFAR10图像生成的超像素图

这些数据集将传统计算机视觉任务转化为图学习问题，位于 data/superpixels/ 目录。

5. 合成图数据集

SBM_PATTERN：基于随机块模型的模式识别数据集
SBM_CLUSTER：基于随机块模型的聚类数据集
CSL：循环跳跃链接图数据集，用于图同构测试
TSP：旅行商问题图数据集，用于边分类任务

6. 理论图属性数据集

GraphTheoryProp：多任务图属性预测数据集
CYCLES：环检测数据集，测试GNN的理论能力

🔧 数据集快速获取指南

项目提供了便捷的数据集下载脚本，位于 data/ 目录：

# 下载所有数据集
cd data/
bash script_download_all_datasets.sh

# 或按需下载特定数据集
bash script_download_superpixels.sh  # MNIST/CIFAR10超像素
bash script_download_molecules.sh    # ZINC/AQSOL分子数据集
bash script_download_SBMs.sh         # PATTERN/CLUSTER SBM数据集
bash script_download_TSP.sh          # TSP数据集
bash script_download_CSL.sh          # CSL数据集
bash script_download_graphtheoryprop.sh  # GraphTheoryProp数据集
bash script_download_cycles.sh       # CYCLES数据集

📈 数据集统计与特点

分子图数据集特性

ZINC：12,000个图，平均节点数23.2，平均边数24.9
ZINC-full：249,000个图，更大规模，更丰富的化学空间
AQSOL：9,982个图，带有实验测量的水溶性值

超像素数据集特点

MNIST：70,000个图（60k训练+10k测试），每个图对应一个手写数字
CIFAR10：60,000个图，每个图对应一个CIFAR10图像类别

社交网络数据集规模

COLLAB：1个大型图，244,902个节点，1,234,718条边
WikiCS：11,701个节点，216,123条边，10个类别

🎯 任务类型与评估指标

图分类任务

适用数据集：TUs（DD、ENZYMES、PROTEINS）、超像素、CSL、CYCLES
评估指标：分类准确率
配置文件示例：configs/TUs_graph_classification_GIN_DD_100k.json

图回归任务

适用数据集：ZINC、ZINC-full、AQSOL
评估指标：平均绝对误差（MAE）
配置文件示例：configs/molecules_graph_regression_GIN_ZINC_100k.json

节点分类任务

适用数据集：SBM_PATTERN、SBM_CLUSTER、WikiCS
评估指标：准确率
配置文件示例：configs/SBMs_node_clustering_GIN_PATTERN_100k.json

边分类任务

适用数据集：TSP、COLLAB
评估指标：准确率或AUC
配置文件示例：configs/TSP_edge_classification_GIN_100k.json

多任务学习

适用数据集：GraphTheoryProp
评估指标：多个任务的综合性能
配置文件示例：configs/GraphTheoryProp_multitask_GIN_GraphTheoryProp_100k.json

🛠️ 数据集使用流程

1. 数据加载

所有数据集通过统一的接口加载：

from data.data import LoadData

# 加载任意数据集
dataset = LoadData('ZINC')  # 分子数据集
dataset = LoadData('DD')    # 蛋白质数据集
dataset = LoadData('MNIST') # 超像素数据集