摘要

基准数据集是评估基于图的机器学习方法不可或缺的组成部分。我们发布了一个新的数据集，该数据集从国际规划竞赛（International Planning Competitions, IPC）中编译而来，用于图分类、回归及相关任务的基准测试。除了基于人工智能规划问题构建图这一本身具有研究价值的方法外，该数据集还具备与常用基准数据集显著不同的特征。该数据集名为IPC，包含两个独立版本：基态版（grounded）和提升版（lifted），这两个版本均包括大小不一且分布偏斜的图，对图模型（如图核和图神经网络）的计算提出了重大挑战。本数据集中的图是有向的，而提升版为无环有向图，这为专门针对有向（无环）结构的模型提供了基准测试的机会。此外，图生成器和标签都是通过计算机程序实现的；因此，如果需要更大规模的数据集，可以轻松扩展。该数据集可从以下网址获取：\url{https://github.com/IBM/IPC-graph-data}。