使用谱图滤波的基于社区的异常检测
社会与信息网络
2022-01-26 v1 机器学习
摘要
许多应用具有社区结构，其中同一社区的节点共享相似的属性。网络中的异常或离群点检测是一个相关且被广泛研究的课题，在多个领域都有应用。尽管存在大量的异常检测框架，但考虑属性图和网络社区结构的方法在文献中却十分匮乏。本文提出了一种基于社区的异常检测算法，该算法使用基于谱图的滤波器，将网络社区结构纳入作为傅里叶变换基础的拉普拉斯矩阵中。此外，滤波器截止频率的选择考虑了所发现的社区数量。在计算实验中，所提出的策略（称为SpecF）在成功识别甚至离散异常方面表现出色。SpecF优于忽略社区结构的基线方法，尤其对于社区重叠程度较高的网络。此外，我们展示了一个案例研究，以验证所提出的方法用于研究COVID-19在巴西圣若泽杜斯坎普斯市不同区域的传播情况。
引用
@article{arxiv.2201.09936,
title = {Community-based anomaly detection using spectral graph filtering},
author = {Rodrigo Francisquini and Ana Carolina Lorena and Mariá C. V. Nascimento},
journal= {arXiv preprint arXiv:2201.09936},
year = {2022}
}