Copertina

Enhancing Node-Level Graph Domain Adaptation by Alleviating Local Dependency

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Tai, Xinwei, Zou, Dongmian, Wang, Hongfei
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Three Revisits to Node-Level Graph Anomaly Detection: Outliers, Message Passing and Hyperbolic Neural Networks
di: Gu, Jing, et al.
Pubblicazione: (2024)

Enhancing Fairness in Autoencoders for Node-Level Graph Anomaly Detection
di: Wang, Shouju, et al.
Pubblicazione: (2025)

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

COPF: An Online Framework for Deployment-Stable Counterfactual Fairness in Evolving Graphs
di: Li, Sheng'en, et al.
Pubblicazione: (2026)

GRAM: An Interpretable Approach for Graph Anomaly Detection using Gradient Attention Maps
di: Yang, Yifei, et al.
Pubblicazione: (2023)

Local Virtual Nodes for Alleviating Over-Squashing in Graph Neural Networks
di: Karabulut, Tuğrul Hasan, et al.
Pubblicazione: (2025)

Pairwise Alignment Improves Graph Domain Adaptation
di: Liu, Shikun, et al.
Pubblicazione: (2024)

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

Brain-Inspired Perspective on Configurations: Unsupervised Similarity and Early Cognition
di: Wang, Juntang, et al.
Pubblicazione: (2025)

SkipNode: On Alleviating Performance Degradation for Deep Graph Convolutional Networks
di: Lu, Weigang, et al.
Pubblicazione: (2021)

Monotone Generative Modeling via a Gromov-Monge Embedding
di: Lee, Wonjun, et al.
Pubblicazione: (2023)

Understanding Latent Diffusability via Fisher Geometry
di: Gu, Jing, et al.
Pubblicazione: (2026)

Mixing Configurations for Downstream Prediction
di: Wang, Juntang, et al.
Pubblicazione: (2025)

Klein Model for Hyperbolic Neural Networks
di: Mao, Yidan, et al.
Pubblicazione: (2024)

Improving Hyperbolic Representations via Gromov-Wasserstein Regularization
di: Yang, Yifei, et al.
Pubblicazione: (2024)

Global-Local Graph Neural Networks for Node-Classification
di: Eliasof, Moshe, et al.
Pubblicazione: (2024)

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

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

One Node Per User: Node-Level Federated Learning for Graph Neural Networks
di: Gao, Zhidong, et al.
Pubblicazione: (2024)

Parallelizing Node-Level Explainability in Graph Neural Networks
di: Llorente, Oscar, et al.
Pubblicazione: (2026)

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

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

DEGNN: Dual Experts Graph Neural Network Handling Both Edge and Node Feature Noise
di: Hasegawa, Tai, et al.
Pubblicazione: (2024)

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

Cross-Space Adaptive Filter: Integrating Graph Topology and Node Attributes for Alleviating the Over-smoothing Problem
di: Huang, Chen, et al.
Pubblicazione: (2024)

Node Regression on Latent Position Random Graphs via Local Averaging
di: Gjorgjevski, Martin, et al.
Pubblicazione: (2024)

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

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

Robust Multi-Source Domain Adaptation under Label Shift
di: Xu, Congbin, et al.
Pubblicazione: (2025)

DSBD: Dual-Aligned Structural Basis Distillation for Graph Domain Adaptation
di: Wang, Yingxu, et al.
Pubblicazione: (2026)

Enhancing the Influence of Labels on Unlabeled Nodes in Graph Convolutional Networks
di: Huang, Jincheng, et al.
Pubblicazione: (2024)

Enhancing Federated Graph Learning via Adaptive Fusion of Structural and Node Characteristics
di: Gao, Xianjun, et al.
Pubblicazione: (2024)

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

Enhancing Continuous Domain Adaptation with Multi-Path Transfer Curriculum
di: Liu, Hanbing, et al.
Pubblicazione: (2024)

USBD: Universal Structural Basis Distillation for Source-Free Graph Domain Adaptation
di: Wang, Yingxu, et al.
Pubblicazione: (2026)

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

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

Diffusion on Graph: Augmentation of Graph Structure for Node Classification
di: Wang, Yancheng, et al.
Pubblicazione: (2025)

Node Level Graph Autoencoder: Unified Pretraining for Textual Graph Learning
di: Hu, Wenbin, et al.
Pubblicazione: (2024)

ASPECT: Node-Level Adaptive Spectral Fusion for Graph Contrastive Learning
di: Li, Zhuolong, et al.
Pubblicazione: (2026)