动态知识图谱异常检测的方法学报告
机器学习
2024-11-12 v3 人工智能
摘要
在本文中，我们探索了动态知识图谱上异常检测的不同方法，特别是在面向 Kubernetes 应用的微服务（Micro-services）环境中。我们的方法探索了三种动态知识图谱表示：序列数据、层次数据和 inter-service 依赖数据，每种表示都包含越来越复杂的动态知识图谱结构信息。不同的机器学习和深度学习模型在这些表示上进行了测试。我们实证分析了它们的性能，并提出了一种基于这些模型集成学习的方法。我们的方法在 ISWC 2024 动态知识图谱异常检测数据集上显著优于基线，为动态复杂数据中的异常检测提供了一个稳健的解决方案。
关键词
引用
@article{arxiv.2408.06121,
title = {A Methodological Report on Anomaly Detection on Dynamic Knowledge Graphs},
author = {Xiaohua Lu and Leshanshui Yang},
journal= {arXiv preprint arXiv:2408.06121},
year = {2024}
}