Buchumschlag

Pairwise Alignment Improves Graph Domain Adaptation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Shikun, Zou, Deyu, Zhao, Han, Li, Pan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Structural Alignment Improves Graph Test-Time Adaptation
von: Hsu, Hans Hao-Hsun, et al.
Veröffentlicht: (2025)

RoFt-Mol: Benchmarking Robust Fine-Tuning with Molecular Graph Foundation Models
von: Liu, Shikun, et al.
Veröffentlicht: (2025)

GeSS: Benchmarking Geometric Deep Learning under Scientific Applications with Distribution Shifts
von: Zou, Deyu, et al.
Veröffentlicht: (2023)

Learning Adaptive Distribution Alignment with Neural Characteristic Function for Graph Domain Adaptation
von: Chen, Wei, et al.
Veröffentlicht: (2026)

Model Generalization on Text Attribute Graphs: Principles with Large Language Models
von: Wang, Haoyu, et al.
Veröffentlicht: (2025)

SPA++: Generalized Graph Spectral Alignment for Versatile Domain Adaptation
von: Xiao, Zhiqing, et al.
Veröffentlicht: (2025)

GALA: Graph Diffusion-based Alignment with Jigsaw for Source-free Domain Adaptation
von: Luo, Junyu, et al.
Veröffentlicht: (2024)

Enhancing Node-Level Graph Domain Adaptation by Alleviating Local Dependency
von: Tai, Xinwei, et al.
Veröffentlicht: (2025)

Gradual Domain Adaptation: Theory and Algorithms
von: He, Yifei, et al.
Veröffentlicht: (2023)

Gradual Domain Adaptation for Graph Learning
von: Lei, Pui Ieng, et al.
Veröffentlicht: (2025)

Collaborate to Adapt: Source-Free Graph Domain Adaptation via Bi-directional Adaptation
von: Zhang, Zhen, et al.
Veröffentlicht: (2024)

Pairwise Calibrated Rewards for Pluralistic Alignment
von: Halpern, Daniel, et al.
Veröffentlicht: (2025)

On the Benefits of Attribute-Driven Graph Domain Adaptation
von: Fang, Ruiyi, et al.
Veröffentlicht: (2025)

Pairwise Reference Alignment as a Model-Level Ordinal Observable
von: Li, Mujing
Veröffentlicht: (2026)

Multi-source Unsupervised Domain Adaptation on Graphs with Transferability Modeling
von: Zhao, Tianxiang, et al.
Veröffentlicht: (2024)

Graph Distillation with Eigenbasis Matching
von: Liu, Yang, et al.
Veröffentlicht: (2023)

Stein Discrepancy for Unsupervised Domain Adaptation
von: von Seeger, Anneke, et al.
Veröffentlicht: (2025)

Attributed Graph Clustering with Multi-Scale Weight-Based Pairwise Coarsening and Contrastive Learning
von: Li, Binxiong, et al.
Veröffentlicht: (2025)

Learning Structure-Semantic Evolution Trajectories for Graph Domain Adaptation
von: Chen, Wei, et al.
Veröffentlicht: (2026)

Graph-KV: Breaking Sequence via Injecting Structural Biases into Large Language Models
von: Wang, Haoyu, et al.
Veröffentlicht: (2025)

CASUAL: Conditional Support Alignment for Domain Adaptation with Label Shift
von: Nguyen, Anh T, et al.
Veröffentlicht: (2023)

Geometric Moment Alignment for Domain Adaptation via Siegel Embeddings
von: Gharib, Shayan, et al.
Veröffentlicht: (2025)

GLA-DA: Global-Local Alignment Domain Adaptation for Multivariate Time Series
von: Tu, Gang, et al.
Veröffentlicht: (2024)

Beyond Pairwise Preferences: Listwise Reward-Aware Alignment for Diffusion Models
von: Wang, Austin, et al.
Veröffentlicht: (2026)

LearnAlign: Data Selection for LLM Reinforcement Learning with Improved Gradient Alignment
von: Li, Shipeng, et al.
Veröffentlicht: (2025)

Improving Domain Generalization with Domain Relations
von: Yao, Huaxiu, et al.
Veröffentlicht: (2023)

Rethinking Propagation for Unsupervised Graph Domain Adaptation
von: Liu, Meihan, et al.
Veröffentlicht: (2024)

Improving Memory Efficiency for Training KANs via Meta Learning
von: Zhao, Zhangchi, et al.
Veröffentlicht: (2025)

Bridging Source and Target Domains via Link Prediction for Unsupervised Domain Adaptation on Graphs
von: Wang, Yilong, et al.
Veröffentlicht: (2025)

Generalizable Sleep Staging via Multi-Level Domain Alignment
von: Wang, Jiquan, et al.
Veröffentlicht: (2023)

Reinforced Domain Selection for Continuous Domain Adaptation
von: Liu, Hanbing, et al.
Veröffentlicht: (2025)

Structure-Attribute Transformations with Markov Chain Boost Graph Domain Adaptation
von: Liu, Zhen, et al.
Veröffentlicht: (2025)

Moment Alignment: Unifying Gradient and Hessian Matching for Domain Generalization
von: Chen, Yuen, et al.
Veröffentlicht: (2025)

Order Matters: Improving Domain Adaptation by Reordering Data
von: Napoli, Andrea, et al.
Veröffentlicht: (2026)

Improving Selective Classification with Pairwise Queries for Binary Classification
von: Vardhan, Harsh, et al.
Veröffentlicht: (2026)

Graph Data Selection for Domain Adaptation: A Model-Free Approach
von: Li, Ting-Wei, et al.
Veröffentlicht: (2025)

Anchor-free Clustering based on Anchor Graph Factorization
von: Mei, Shikun, et al.
Veröffentlicht: (2024)

Semi-supervised Domain Adaptation in Graph Transfer Learning
von: Qiao, Ziyue, et al.
Veröffentlicht: (2023)

Revisiting, Benchmarking and Understanding Unsupervised Graph Domain Adaptation
von: Liu, Meihan, et al.
Veröffentlicht: (2024)

PyGDA: A Python Library for Graph Domain Adaptation
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)