序列中的上下文无监督离群点检测
机器学习
2021-11-09 v1
摘要
本文提出一种用于轨迹（序列）离群点检测的无监督学习框架，该框架将排序检验与用户序列模型相结合。整体框架以无参数的方式在期望的假阳性率（FPR）下识别序列离群点。我们在基于 last.fm 与 msnbc.com 网站用户行为的真实与模拟数据集集合上评估了该方法，这些数据集具有已知真值，结果表明其相较现有方法精度更高。我们还将该方法应用于 Pinterest 与 Facebook 用户的大规模真实数据集，发现用户显著更倾向于转发 Facebook 好友的 Pinterest 帖子而非其他类型用户，这暗示了 Facebook 好友关系对 Pinterest 上分享行为的潜在影响。
引用
@article{arxiv.2111.03808,
title = {Contextual Unsupervised Outlier Detection in Sequences},
author = {Mohamed A. Zahran and Leonardo Teixeira and Vinayak Rao and Bruno Ribeiro},
journal= {arXiv preprint arXiv:2111.03808},
year = {2021}
}
备注
11 pages