PyGDA : Une bibliothèque Python pour l'adaptation de domaine sur graphes

PyGDA: A Python Library for Graph Domain Adaptation

March 13, 2025

Auteurs: Zhen Zhang, Meihan Liu, Bingsheng He

cs.AI

Résumé

L'adaptation de domaine sur graphes est apparue comme une approche prometteuse pour faciliter le transfert de connaissances entre différents domaines. Récemment, de nombreux modèles ont été proposés pour améliorer leurs capacités de généralisation dans ce domaine. Cependant, il n'existe toujours pas de bibliothèque unifiée rassemblant les techniques existantes et simplifiant leur implémentation. Pour combler cette lacune, nous présentons PyGDA, une bibliothèque Python open-source spécialement conçue pour l'adaptation de domaine sur graphes. En tant que première bibliothèque complète dans ce domaine, PyGDA couvre plus de 20 méthodes d'adaptation de domaine sur graphes largement utilisées, ainsi que différents types de jeux de données graphiques. Plus précisément, PyGDA propose des composants modulaires, permettant aux utilisateurs de construire facilement des modèles personnalisés avec une variété de fonctions utilitaires couramment utilisées. Pour gérer des graphes à grande échelle, PyGDA inclut des fonctionnalités telles que l'échantillonnage et le traitement par mini-lots, garantissant ainsi un calcul efficace. En outre, PyGDA propose également des benchmarks de performance complets et une API bien documentée et conviviale pour les chercheurs et les praticiens. Pour favoriser une accessibilité pratique, PyGDA est publiée sous licence MIT à l'adresse https://github.com/pygda-team/pygda, et la documentation de l'API est disponible à l'adresse https://pygda.readthedocs.io/en/stable/.

English

Graph domain adaptation has emerged as a promising approach to facilitate knowledge transfer across different domains. Recently, numerous models have been proposed to enhance their generalization capabilities in this field. However, there is still no unified library that brings together existing techniques and simplifies their implementation. To fill this gap, we introduce PyGDA, an open-source Python library tailored for graph domain adaptation. As the first comprehensive library in this area, PyGDA covers more than 20 widely used graph domain adaptation methods together with different types of graph datasets. Specifically, PyGDA offers modular components, enabling users to seamlessly build custom models with a variety of commonly used utility functions. To handle large-scale graphs, PyGDA includes support for features such as sampling and mini-batch processing, ensuring efficient computation. In addition, PyGDA also includes comprehensive performance benchmarks and well-documented user-friendly API for both researchers and practitioners. To foster convenient accessibility, PyGDA is released under the MIT license at https://github.com/pygda-team/pygda, and the API documentation is https://pygda.readthedocs.io/en/stable/.