---
title: ASU_Social_Computing_Repository
canonical_url: "https://www.modelscope.cn/datasets/llmlearningX/ASU_Social_Computing_Repository"
md_url: "https://www.modelscope.cn/datasets/llmlearningX/ASU_Social_Computing_Repository.md"
repository: llmlearningX/ASU_Social_Computing_Repository
chinese_name: "ASU社交网络分析与社交计算数据集"
last_updated: 2025-12-27
license: "Apache License 2.0"
downloads: 150
stars: 0
---

# ASU_Social_Computing_Repository

> ASU_Social_Computing_Repository - llmlearningX 在 ModelScope 开源的数据集。本数据集集合源自 ASU Social Computing Data Repository，涵盖了 BlogCatalog、Flickr、YouTube、Twitter 及豆瓣等 15 个主流社交平台的真实网络数据。数据包含完整的用户社交关系拓扑图及用户兴趣标签，广泛应用于社交网络挖掘、多标签分类、社区发现及图神经网络（GNN）的模型验证与性能基准测试。

llmlearningX/ASU_Social_Computing_Repository 是 ModelScope 魔搭社区上的数据集，采用 Apache License 2.0 许可。

- **Repository**: llmlearningX/ASU_Social_Computing_Repository
- **License**: Apache License 2.0
- **Downloads**: 150
- **Stars**: 0
- **Last updated**: 2025-12-27

Source: https://www.modelscope.cn/datasets/llmlearningX/ASU_Social_Computing_Repository

---

数据集文件元信息以及数据文件，请浏览“数据集文件”页面获取。

当前数据集卡片使用的是默认模版，数据集的贡献者未提供更加详细的数据集介绍，但是您可以通过如下GIT Clone命令，或者ModelScope SDK来下载数据集

#### 下载方法 
:modelscope-code[]{type="sdk"}
:modelscope-code[]{type="git"}

针对您提供的第五组数据 **Social Computing Data Repository**，以下是详细的介绍信息，您可以参考此内容进行数据集页面的填写。

---

### ## 数据集概览

* **英文名称**：ASU Social Computing Data Repository
* **中文名称**：ASU 社交计算数据存储库
* **数据来源**：该数据集由亚利桑那州立大学（Arizona State University, ASU）维护，是社交网络分析领域最权威的公开数据集之一。

---

### ## 包含的具体数据内容

从您的文件列表可以看到，该集合包含了 15 个主流社交平台的网络数据，均为 `.zip` 压缩格式：

| 平台类型 | 包含的数据集（部分列举） |
| --- | --- |
| **博客/内容社区** | BlogCatalog, LiveJournal, Douban (豆瓣), Digg |
| **图片/视频分享** | Flickr, YouTube |
| **社交网络** | Twitter, BuzzNet, Friendster, Flixster, Foursquare |
| **兴趣/音乐/学习** | Last.fm, Delicious, Livemocha, Hyves |

---

### ## 数据集详细介绍

**1. 数据结构：**
这些数据集通常包含两类核心信息：

* **网络拓扑结构（Network Topology）**：以邻接矩阵的形式表现用户之间的好友、关注或互动关系。
* **用户标签/属性（User Attributes/Labels）**：例如用户加入的兴趣小组、标签或类别。这使得该数据非常适合进行**多标签分类**研究。

**2. 核心用途：**

* **社区发现（Community Detection）**：识别社交网络中的小团体或兴趣圈子。
* **节点分类（Node Classification）**：根据用户的一部分好友关系和标签，预测其缺失的兴趣标签。
* **链路预测（Link Prediction）**：预测两个用户之间未来是否会建立社交连接（即“可能认识的人”推荐）。
* **图神经网络（GNN）训练**：由于数据规模大且具有真实的社交属性，它是测试图深度学习模型性能的标配。

---

### ## 建议填写方案（符合平台规则）

如果您现在正准备在平台上创建这个数据集，可以参考以下填法：

* **数据集英文名称**：`ASU_Social_Computing_Repository`
* **数据集中文名称**：`ASU社交网络分析与社交计算数据集`
* **数据集描述**：
> 本数据集集合源自 ASU Social Computing Data Repository，涵盖了 BlogCatalog、Flickr、YouTube、Twitter 及豆瓣等 15 个主流社交平台的真实网络数据。数据包含完整的用户社交关系拓扑图及用户兴趣标签，广泛应用于社交网络挖掘、多标签分类、社区发现及图神经网络（GNN）的模型验证与性能基准测试。



**您需要我为您针对其中某一个具体的 zip 文件（例如 `Twitter-dataset.zip`）进行更深入的字段解析吗？**