数据集概述
本数据集为NetVotes iKnow Dataset，包含欧洲议会投票相关原始数据、提取的网络及聚类结果，用于分析法国和意大利议员在农业与经济领域的投票行为。数据覆盖2009-2014年，含原始文件、过滤与未过滤网络、聚类分区及性能比较结果，支持社交网络分析研究。
文件详解
- 原始输入文件包（itsyourparliament.zip）
- 内容结构：含domains（28个领域文件，存投票标识及链接）、meps（870个议员文件，存姓名、国家等信息）、votes（7513个投票文件，存议员投票记录）
- 网络文件包（networks.zip）
- 文件格式：Graphml
- 内容说明：经过滤后的网络数据，按国家-领域-年份组织，节点含议员姓名、政党等属性
- 全网络文件包（all-networks.zip）
- 内容结构：含过滤（negtr=NA_postr=NA）与未过滤（negtr=0_postr=0）两类网络，按国家、分组/国别维度组织
- 分区文件包（partitions.zip）
- 内容说明：含Ex-CC和ILS-RCC聚类结果，集成于Graphml文件并转换为Gephi格式，处理孤立节点为单独聚类
- 比较结果包（material-stats.zip）
- 内容结构：含execTimePerf（执行时间对比）、graphStructureAnalysis（网络结构统计）、ILS-CC-vs-Ex-CC（聚类方法对比）的CSV文件及图表数据
数据来源
论文“Signed Graph Analysis for the Interpretation of Voting Behavior”
适用场景
- 社交网络分析: 研究欧洲议会投票行为形成的有符号网络结构及演化规律
- 投票行为模式挖掘: 分析不同国家、领域、年份下议员投票的聚类特征与政治倾向
- 聚类算法性能评估: 对比Ex-CC与ILS-RCC算法在议会投票网络中的聚类效果与效率
- 政治数据分析: 探索议员属性（政党、国家）与投票行为的关联关系
- 社交网络可视化: 利用Gephi格式数据进行交互式网络结构与聚类结果可视化分析
