• KarateClub：数据为无向图；
  源于论文 An Information Flow Model for Conflict and Fission in Small Groups

• TUDataset：数据为无向图；
  包含 58 个基础的分类数据集几何，如 “IMDB-BINARY”，“PROTEINS”等；
  来源于TU Dortmund University

• Plantoid：数据都为无向图;
  引用网络数据集，包括“Cora”，“CiteSeer”，和 “PubMed”；
  来源于论文Revisiting Semi-Supervised Learning with Graph Embeddings。
  节点代表文档，边代表引用关系。

• CoraFull：数据为无向图；
  完整的“Cora”引用网络数据集；
  来源于论文Deep Gaussian Embedding of Graphs: Unsupervised Inductive Learning via Ranking。
  节点代表文档，边代表引用关系。【论文的引用关系】

• Coauthor：数据都为无向图；
  共同作者网络数据集，包括“CS” 和 “Physics”；
  来源于论文Pitfalls of Graph Neural Network Evaluation。
  节点代表作者，若是共同作者则被边连接。
  学习任务是将作者映射到各自的研究领域中。

• Amazon：数据都为无向图；
  亚马逊网络数据集，包括“computers” 和 “Photo”，
  来源于论文Pitfalls of Graph Neural Network Evaluation。
  节点代表货物，边代表两种货物经常被同时购买。
  学习任务是将货物映射到各自的种类里。

• PPI：数据都为无向图；
  蛋白质-蛋白质反应网络；
  来源于论文Predicting multicellular function through multi-layer tissue networks

• Entities：数据都为无向图；
  关系实体网络，包括“AIFB”，“MUTAG”，“BGS”，“AM”；
  来源于论文Modeling Relational Data with Graph Convolutional Networks

• BitcoinOTC：数据都为有向图；
  包括138 个“who-trusts-whom”网络；
  来源于论文EvolveGCN: Evolving Graph Convolutional Networks for Dynamic Graphs；
  数据链接为Bitcoin OTC trust weighted signed network

neo4j不是开源的，社区版不能上线，也不支持分布式和多机备份
janusgraph开源，支持分布式，而且可以多机备份