OpenGU ist ein umfassender Evaluierungsdatensatz für Graph Unlearning (GU), der 2025 vom Beijing Institute of Technology veröffentlicht wurde. Zugehörige Forschungsarbeiten umfassen... OpenGU: Ein umfassender Benchmark für das Graph-UnlearningEs wurde für die NeurIPS 2025 Datensätze und Benchmarks ausgewählt, mit dem Ziel, einen einheitlichen Bewertungsrahmen, domänenübergreifende Datenressourcen und standardisierte experimentelle Einstellungen für Vergessensmethoden in Graph-Neuronalen Netzen bereitzustellen.

Dieser Datensatz vereint 37 domänenübergreifende Graphdatensätze und deckt verschiedene Anwendungsszenarien ab – von Knoten- und Kantenebene bis hin zu Graphenebene. Er umfasst diverse reale und heterogene Graphszenarien, darunter soziale Netzwerke, Referenznetzwerke, Rohstoffbeziehungsnetzwerke, biochemische Netzwerke und visuelle Strukturen, und bietet damit eine umfassende und anspruchsvolle Grundlage für die Evaluierung von Methoden des löschbaren Lernens.

Dieser Datensatz lässt sich in zwei Kategorien unterteilen:

• Aufgaben-Datensatz auf Knoten-/Kantenebene: 19
  Wird verwendet, um Veränderungen im Modellverhalten bei Aufgaben wie der Knotenklassifizierung und der Linkvorhersage nach dem Entfernen von Knoten, Kanten oder lokalen Strukturen zu bewerten.
• Aufgaben-Datensätze auf Graphebene: 18
  Wird verwendet, um die Leistung des Modells bei Graphklassifizierungsaufgaben zu bewerten, nachdem der gesamte Graph oder seine Teilstrukturen entfernt wurden.