维基百科文章网络数据集2018
数据来源：互联网公开数据
标签：维基百科,文章网络,网络分析,机器学习,回归分析,链接预测,社区检测,网络可视化
数据概述：
本数据集源自2018年12月的英文维基百科，包括了关于特定主题（变色龙、鳄鱼和松鼠）的文章网络数据。数据集中的节点代表维基百科文章，边表示文章之间的双向链接。边的CSV文件包含节点之间的链接信息，节点从0开始编号。特征的JSON文件包含每个文章的特征，每个键是一个页面ID，节点特征以列表形式给出。列表中的特征表示该特征对应的名词出现在维基百科文章的文本中。目标CSV文件包含每个页面的节点标识符及其从2017年10月到2018年11月的平均月度流量。每个文章网络数据还列出了节点和边的数量及其他描述性统计信息。
数据用途概述：
该数据集适用于回归分析、链接预测、社区检测和网络可视化等多种场景。研究者可以利用此数据集进行多尺度属性节点嵌入研究；机器学习工程师可以用于训练回归模型和链接预测模型；社区检测算法可以识别网络中的社区结构；网络可视化工具可以帮助理解文章之间的关系。此外，该数据集还适合用于教育培训，帮助学习者掌握网络分析的基本方法和技术。
举例：
数据集中包含了三个主题的文章网络数据，分别是变色龙、鳄鱼和松鼠。变色龙网络包含2,277个节点和31,421条边，密度为0.012，传递性为0.314；鳄鱼网络包含11,631个节点和170,918条边，密度为0.003，传递性为0.026；松鼠网络包含5,201个节点和198,493条边，密度为0.015，传递性为0.348。研究者可以基于这些数据集进行多尺度属性节点嵌入研究，如Benedek Rozemberczki等人在2019年的研究中所使用的。
