PyGDA: Een Python-bibliotheek voor grafische domeinadaptatie

PyGDA: A Python Library for Graph Domain Adaptation

March 13, 2025

Auteurs: Zhen Zhang, Meihan Liu, Bingsheng He

cs.AI

Samenvatting

Graph domain adaptation is naar voren gekomen als een veelbelovende aanpak om kennisoverdracht tussen verschillende domeinen te vergemakkelijken. Recentelijk zijn er tal van modellen voorgesteld om de generalisatiecapaciteiten op dit gebied te verbeteren. Er is echter nog geen uniforme bibliotheek die bestaande technieken samenbrengt en de implementatie ervan vereenvoudigt. Om deze leemte op te vullen, introduceren we PyGDA, een open-source Python-bibliotheek die speciaal is ontwikkeld voor graph domain adaptation. Als eerste uitgebreide bibliotheek op dit gebied, omvat PyGDA meer dan 20 veelgebruikte methoden voor graph domain adaptation, samen met verschillende soorten grafische datasets. Specifiek biedt PyGDA modulaire componenten, waardoor gebruikers naadloos aangepaste modellen kunnen bouwen met een verscheidenheid aan veelgebruikte utility-functies. Om grootschalige grafieken te verwerken, ondersteunt PyGDA functies zoals sampling en mini-batch verwerking, wat efficiënte berekeningen garandeert. Daarnaast bevat PyGDA ook uitgebreide prestatiebenchmarks en een goed gedocumenteerde, gebruiksvriendelijke API voor zowel onderzoekers als praktijkmensen. Om toegankelijkheid te bevorderen, is PyGDA vrijgegeven onder de MIT-licentie op https://github.com/pygda-team/pygda, en de API-documentatie is te vinden op 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/.