GADBench：重新审视并基准测试有监督图异常检测
机器学习
2023-11-17 v2
摘要
尽管传统图异常检测（GAD）算法和近来流行的图神经网络（GNNs）已有长久历史，但仍不清楚（1）它们在标准综合设定下的表现如何，（2）GNNs 是否能超越树集成等传统算法，以及（3）它们在大规模图上的效率怎样。为此，我们引入 GADBench——一个专用于静态图中异常节点有监督检测的基准工具。GADBench 便于在十个真实世界 GAD 数据集上对 29 种不同模型进行详细比较，这些数据集涵盖数千至数百万（6M）个节点。我们的主要发现是，带有简单邻域聚合的树集成可以胜过为 GAD 任务定制的最新 GNNs。我们阐明了 GAD 的当前进展，为该领域后续研究奠定了坚实基础。GADBench 已在 https://github.com/squareRoot3/GADBench 开源。
引用
@article{arxiv.2306.12251,
title = {GADBench: Revisiting and Benchmarking Supervised Graph Anomaly Detection},
author = {Jianheng Tang and Fengrui Hua and Ziqi Gao and Peilin Zhao and Jia Li},
journal= {arXiv preprint arXiv:2306.12251},
year = {2023}
}
备注
NeurIPS 2023 Datasets and Benchmarks Track camera ready version