Buchumschlag

Revisiting, Benchmarking and Understanding Unsupervised Graph Domain Adaptation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Meihan, Zhang, Zhen, Tang, Jiachen, Bu, Jiajun, He, Bingsheng, Zhou, Sheng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rethinking Propagation for 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)

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

Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

Towards Unsupervised Open-Set Graph Domain Adaptation via Dual Reprogramming
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)

BuffGraph: Enhancing Class-Imbalanced Node Classification via Buffer Nodes
von: Wang, Qian, et al.
Veröffentlicht: (2024)

Deep Unsupervised Domain Adaptation for Time Series Classification: a Benchmark
von: Fawaz, Hassan Ismail, et al.
Veröffentlicht: (2023)

Making Classic GNNs Strong Baselines Across Varying Homophily: A Smoothness-Generalization Perspective
von: Gu, Ming, et al.
Veröffentlicht: (2024)

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

Aggregate to Adapt: Node-Centric Aggregation for Multi-Source-Free Graph Domain Adaptation
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)

Smoothness Really Matters: A Simple Yet Effective Approach for Unsupervised Graph Domain Adaptation
von: Chen, Wei, et al.
Veröffentlicht: (2024)

Gradual Fine-Tuning with Graph Routing for Multi-Source Unsupervised Domain Adaptation
von: Ma, Yao, et al.
Veröffentlicht: (2024)

VertiBench: Advancing Feature Distribution Diversity in Vertical Federated Learning Benchmarks
von: Wu, Zhaomin, et al.
Veröffentlicht: (2023)

SKADA-Bench: Benchmarking Unsupervised Domain Adaptation Methods with Realistic Validation On Diverse Modalities
von: Lalou, Yanis, et al.
Veröffentlicht: (2024)

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

Personalized Sleep Staging Leveraging Source-free Unsupervised Domain Adaptation
von: Zhou, Yangxuan, et al.
Veröffentlicht: (2024)

Concept-Based Unsupervised Domain Adaptation
von: Xu, Xinyue, et al.
Veröffentlicht: (2025)

SA-GDA: Spectral Augmentation for Graph Domain Adaptation
von: Pang, Jinhui, et al.
Veröffentlicht: (2024)

OT Score: An OT based Confidence Score for Prototype-Assisted Source Free Unsupervised Domain Adaptation
von: Zhang, Yiming, et al.
Veröffentlicht: (2025)

Distributionally Robust Classification for Multi-source Unsupervised Domain Adaptation
von: Kim, Seonghwi, et al.
Veröffentlicht: (2026)

Simulations of Common Unsupervised Domain Adaptation Algorithms for Image Classification
von: Chaddad, Ahmad, et al.
Veröffentlicht: (2025)

Gradient Harmonization in Unsupervised Domain Adaptation
von: Huang, Fuxiang, et al.
Veröffentlicht: (2024)

OpenGT: A Comprehensive Benchmark For Graph Transformers
von: Tang, Jiachen, et al.
Veröffentlicht: (2025)

From Entanglement to Alignment: Representation Space Decomposition for Unsupervised Time Series Domain Adaptation
von: Cai, Rongyao, et al.
Veröffentlicht: (2025)

CoCo: A Coupled Contrastive Framework for Unsupervised Domain Adaptive Graph Classification
von: Yin, Nan, et al.
Veröffentlicht: (2023)

Heterogeneous-Modal Unsupervised Domain Adaptation via Latent Space Bridging
von: Yang, Jiawen, et al.
Veröffentlicht: (2025)

Graph Neural Architecture Search with GPT-4
von: Wang, Haishuai, et al.
Veröffentlicht: (2023)

Graph Domain Adaptation: Challenges, Progress and Prospects
von: Shi, Boshen, et al.
Veröffentlicht: (2024)

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

Graph Neural Networks Are More Than Filters: Revisiting and Benchmarking from A Spectral Perspective
von: Dong, Yushun, et al.
Veröffentlicht: (2024)

DGP: A Dual-Granularity Prompting Framework for Fraud Detection with Graph-Enhanced LLMs
von: Li, Yuan, et al.
Veröffentlicht: (2025)

Degree-Conscious Spiking Graph for Cross-Domain Adaptation
von: Wang, Yingxu, et al.
Veröffentlicht: (2024)

How Do Large Language Models Understand Graph Patterns? A Benchmark for Graph Pattern Comprehension
von: Dai, Xinnan, et al.
Veröffentlicht: (2024)

Unveiling the Superior Paradigm: A Comparative Study of Source-Free Domain Adaptation and Unsupervised Domain Adaptation
von: Wang, Fan, et al.
Veröffentlicht: (2024)

Nested Graph Pseudo-Label Refinement for Noisy Label Domain Adaptation Learning
von: Wang, Yingxu, et al.
Veröffentlicht: (2025)

Federated Data-Efficient Instruction Tuning for Large Language Models
von: Qin, Zhen, et al.
Veröffentlicht: (2024)

EmoTrack: Robust Depression Tracking from Counseling Transcripts across Session Regimes
von: Wu, Zhaomin, et al.
Veröffentlicht: (2026)

Towards a Unified Framework of Clustering-based Anomaly Detection
von: Fang, Zeyu, et al.
Veröffentlicht: (2024)

TransPL: VQ-Code Transition Matrices for Pseudo-Labeling of Time Series Unsupervised Domain Adaptation
von: Kim, Jaeho, et al.
Veröffentlicht: (2025)

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