OpenGDA：面向跨网络学习的图域适应基准
人工智能
2023-07-24 v1 数字图书馆
社会与信息网络
摘要
图域适应模型被广泛用于跨网络学习任务，旨在迁移标注或结构知识。当前，图域适应模型的评估主要存在两方面的局限。一方面，它们主要针特定的跨网络节点分类任务进行测试，边级与图级任务很大程度上未被探索。此外，它们主要在有限场景（如社交网络或引文网络）中测试，缺乏在更丰富场景中模型能力的验证。由于全面评估模型可增强其在现实应用中的实用性，我们提出了一个称为 OpenGDA 的基准。它为不同类型任务（节点、边、图）提供了丰富的预处理且统一的数据集，这些数据集源自多样场景，涵盖 Web 信息系统、城市系统与自然系统。此外，它集成了最先进模型与标准化端到端流水线。总体而言，OpenGDA 为评估图域适应模型提供了用户友好、可扩展且可复现的基准。基准实验凸显了 GDA 模型在现实应用中保持一贯良好性能的挑战，并可能为未来研究提供见解。作为一个新兴项目，OpenGDA 将定期更新新的数据集与模型。可通过 https://github.com/Skyorca/OpenGDA 访问。
引用
@article{arxiv.2307.11341,
title = {OpenGDA: Graph Domain Adaptation Benchmark for Cross-network Learning},
author = {Boshen Shi and Yongqing Wang and Fangda Guo and Jiangli Shao and Huawei Shen and Xueqi Cheng},
journal= {arXiv preprint arXiv:2307.11341},
year = {2023}
}
备注
Under Review