KDDFeb, 2023
IGB:填补公共图数据集中标签、特征、异质性和大小方面的空缺,用于深度学习研究
IGB: Addressing The Gaps In Labeling, Features, Heterogeneity, and Size of Public Graph Datasets for Deep Learning Research
Arpandeep Khatua, Vikram Sharma Mailthody, Bhagyashree Taleka, Tengfei Ma, Xiang Song...
TL;DR本文介绍了伊利诺伊图基准(Illinois Graph Benchmark,IGB),是一种可用于高度准确地培训、审查和系统评估 GNN 模型的研究数据集工具,其中包括大量的同质和异质图,超过 40%的节点被标记,提供了比最大的图数据集公开可用更多的标记数据,还具有灵活性,使得研究各种 GNN 体系结构、嵌入式生成技术并分析系统性能问题成为可能。