Cora 数据集由 Sen 等人于 2008 年提出，是科学文献中最流行的节点分类数据集。它是一个由 2708 篇出版物组成的网络，其中每个连接都是一个引用。每篇出版物都被描述为一个由 1,433 个唯一单词组成的二进制向量，其中 0 和 1 分别表示没有或存在相应的单词。这种表示法在自然语言处理中也被称为二进制词袋 (bag of words)，我们的目标是将每个节点分类到七个类别之一。
无论数据类型如何，可视化始终是我们了解所面临问题的重要步骤。然而，当图过大时，使用 networkx 等 Python 可视化库将无法进行可视化，因此研究人员为图数据可视化开发了专用工具，我们将使用两个流行的工具：yEd Live 和 Gephi 进行图数据集可视化。
下图是用 yEd Live 绘制的 Cora 数据集图。可以看到橙色为论文对应的节点，绿色为论文之间的连接。一些论文之间的相互连接的非常紧密，以至于形成了论文簇，这些簇比连接不紧密的节点更容易分类。
接下来，导入 Cora 数据集，并用 PyTorch Geometric 库分析其主要特征，PyTorch Geometric 库有一个专门的类，用于下载数据集并返回相关的数据结构。PyTorch Geometric 是深度学习框架 PyTorch 的扩展库，用于简化图神经网络的实现。PyTorch Geometric 的安装与其它 Python 第三方库一样，只需在 shell 中使用 pip 命令即可：
pip installl torch_geometric
(1) 从 PyTorch Geometric 中导入 Planetoid 类：
import torch
from torch_geometric.datasets import Planetoid
(2) 使用 Planetoid 类下载数据集：
dataset = Planetoid(root=".", name="Cora")
(3) Cora 只有一个图，将其存储在 data 变量中：
data = dataset[0]
(4) 打印数据集的相关信息：
print(f'Dataset: {dataset}')
print('---------------')
print(f'Number of graphs: {len(dataset)}')
print(f'Number of nodes: {data.x.shape[0]}')
print(f'Number of features: {dataset.num_features}')
print(f'Number of classes: {dataset.num_classes}')
(5) 输出结果如下所示：
Dataset: Cora()
---------------
Number of graphs: 1
Number of nodes: 2708
Number of features: 1433
Number of classes: 7
(6) 通过 PyTorch Geometric 的专用函数，还可以获得更多详细信息：
# Print information about the graph
print(f'\nGraph:')
print('------')
print(f'Edges are directed: {data.is_directed()}')
print(f'Graph has isolated nodes: {data.has_isolated_nodes()}')
print(f'Graph has loops: {data.has_self_loops()}')
(7) 输出结果如下所示：
Graph:
------
Edges are directed: False
Graph has isolated nodes: False
Graph has loops: False
第一个输出结果输出了节点数、特征和类别的信息，第二个输出则提供了关于图本身的更多信息：边是无向的，每个节点都有邻居，而且图不存在自循环。我们也可以使用 PyTorch Geometric 的 utils 函数测试其他属性。
了解了 Cora 数据集后，我们继续介绍一个更能代表真实世界社交网络规模的数据集，Facebook Page-Page 数据集。