Multi-Scale Heterogeneous Text-Attributed Graph Datasets From Diverse Domains

WWW25

推荐指数：#paper/⭐⭐⭐#​

代码地址：https://github.com/Cloudy1225/HTAG

作者主页：Yunhui Liu's Homepage

一句话总结：提出了涵盖多个领域的异构图文本属性图

动机：

异构文本属性图在现实世界发挥着重要的作用。但是，已有的数据集大多是同构文本属性图。为此，我们引入了异构文本属性图。此外我们给出了现有常见方法的benchmark结果。

现有异构图数据集缺乏文本等信息：

优势

1. 规模跨度大。节点从24K节点到5.6M nodes节点
2. 领域跨度大。包含电影合作、社区问答、学术、书籍出版和专利申请等领域
3. 真实且可重复的评估。作者为HTAG 提供了一个自动化评估pipeline，可简化数据处理、加载和模型评估。此外，作者对每个数据集采用基于时间的数据split，与传统的随机split相比，这提供了更真实、更有意义的评估方案。
4. 提供用于数据集构建的开源代码。其他人可以使用相同的代码工具来构建自己领域的数据集

数据集详情：

​

未来研究展望

1. 众所周知LLM在文本领域有着很大的优势。因此，将LLM用于该数据集，是一个可探索的方向
2. 除了节点分类之外，未来的研究还可以通过探索其他任务来扩展工作，例如在提出数据集上进行节点聚类、链接预测和自我监督学习。
3. 该数据集包含时间信息，可以用于时序图的研究。
4. 该文章提供了数据集构造的开源工具，可以用该开源工具构造更多的数据集

‍

‍