用于文本离群点检测的抗异常注入深度支持向量数据描述
计算与语言
2021-10-29 v1 机器学习
摘要
异常检测或离群点检测是各领域中的常见任务，近年来吸引了大量研究工作。现有工作主要关注数值或类别数据等结构化数据；然而，非结构化文本数据的异常检测较少受到关注。在这项工作中，我们针对文本异常检测问题，提出一种深度抗异常注入支持向量数据描述（AI-SVDD）框架。AI-SVDD 不仅学习更紧凑的数据超球表示，还采用少量已知异常来增强判别能力。为处理文本输入，我们结合 BERT 使用多层感知机（MLP）网络以获得丰富的文本表示。我们在三个文本异常检测应用和多个数据集上进行了实验。实验结果表明所提出的 AI-SVDD 具有良好前景并优于现有工作。
引用
@article{arxiv.2110.14729,
title = {Anomaly-Injected Deep Support Vector Data Description for Text Outlier Detection},
author = {Zeyu You and Yichu Zhou and Tao Yang and Wei Fan},
journal= {arXiv preprint arXiv:2110.14729},
year = {2021}
}
备注
11 pages, 5 figures, 3 tables