1. 原始数据

维基百科：Zachary’s karate club - Wikipedia

原始论文：An Information Flow Model for Conflict and Fission in Small Groups

数据集中只有一张图。

该图描述了一个空手道俱乐部会员的社交关系，以34名会员作为节点，如果两位会员在俱乐部之外仍保持社交关系，则在节点间增加一条边。

每个节点具有一个34维的特征向量，一共有78条边。

在收集数据的过程中，管理人员 John A 和 教练 Mr. Hi（化名）之间产生了冲突，会员们选择了站队，一半会员跟随 Mr. Hi 成立了新俱乐部，剩下一半会员找了新教练或退出了俱乐部。通过收集到的图数据，Zachary 进行了分类，除1名会员外都分类正确。

2. NetworkX中的数据

官方文档：networkx.generators.social.karate_club_graph

无向图。一共有34个节点，78条无向、无权、无特征的边。节点具有club属性，取值为 Mr. Hi 或 Officer。

数据获取代码：G = nx.karate_club_graph()

数据文件来源：UCINET IV Datasets

3. PyG中的数据

官方文档：torch_geometric.datasets.KarateClub

源代码：torch_geometric.datasets.karate — pytorch_geometric 1.7.0 documentation

数据文件来源于NetworkX的karate_club_graph，在其基础上做了修改。也是34个节点，78条无向边（edge_index宽为156）。

（官方文档中说是156条边（指无向图边×2的数目））

基于论文 Kipf, T., & Welling, M. (2017). Semi-Supervised Classification with Graph Convolutional Networks. ArXiv, abs/1609.02907.（就是GCN那篇论文）：

用 modularity-based clustering 给每个节点赋予一个四分类的标签（0 1 2 3）。在每一类中选一个节点作为该标签类的真实值节点，是train_mask为True对应索引的节点。（参考源代码：y是通过 community 的 community_louvain 计算出来的。然后将每一类的第一个节点作为真实值节点。）

每个节点有一个34维的特征（x），是独热编码的形式。（node ordering是随机的）

获取数据的方式：

from torch_geometric.datasets import KarateClub
dataset = KarateClub()
data = dataset[0]
print(data)

Data(edge_index=[2, 156], train_mask=[34], x=[34, 34], y=[34])