NeSyDep（Neural-Symbolic Dependency discovery）是将我们论文背后的研究原型打磨而成的开源数据依赖挖掘工具，面向数据科学家与数据工程师，支持快速挖掘函数依赖（FD）、条件函数依赖（CFD）等数据依赖（更多依赖类型持续加入）。

GitHub 仓库：https://github.com/ruochunjin/NeSyDep

集成的研究原型

• BSFD — 贝叶斯网络结构学习引导的快速 FD 挖掘（ICDE 2026）
• SCFDM — Transformer 引导关系划分的快速 CFD 挖掘（VLDB 2027）
• FastAFD — 聚类与协方差分析加速的近似 FD 挖掘（ICDE 2024），宽表上最快，具有统计召回保证

技术架构

挖掘内核为 C++（通过 pybind11 暴露接口），编排、采样、相关性提取与评估为纯 Python。

安装与使用

pip install nesydep            # 核心功能（FD/CFD 挖掘 + 轻量相关性分析）
pip install "nesydep[all]"     # 全部功能

import pandas as pd
import nesydep as nd

df = pd.read_csv("hospital_sample.csv")

# 一行代码完成 FD 挖掘
fds = nd.discover(df, algo="bsfd", support=2, confidence=0.95)
for fd in fds.fds:
    print(fd)   # 例如 [Zip] -> City, [Zip] -> State

同时提供命令行工具：nesydep discover data.csv --algo bsfd -o fds.txt