GRAM：一种基于梯度注意力图的可解释图异常检测方法
机器学习
2024-06-28 v2
摘要
检测图数据中的异常模式是数据挖掘中的关键任务。然而，现有方法难以持续取得令人满意的性能，且常缺乏可解释性，阻碍了对异常检测决策的理解。本文提出一种新颖的图异常检测方法，利用可解释性的力量来提升性能。具体而言，我们的方法提取由图神经网络梯度导出的注意力图，作为异常打分的基础。值得注意的是，我们的方法灵活，可用于多种异常检测设定。此外，我们使用合成数据进行理论分析以验证方法并洞察其决策过程。为证明方法有效性，我们在真实世界的图分类与无线网络数据集上，针对最先进的图异常检测技术广泛评估了我们的方法。结果一致表明我们的方法相较基线具有更优性能。
引用
@article{arxiv.2311.06153,
title = {GRAM: An Interpretable Approach for Graph Anomaly Detection using Gradient Attention Maps},
author = {Yifei Yang and Peng Wang and Xiaofan He and Dongmian Zou},
journal= {arXiv preprint arXiv:2311.06153},
year = {2024}
}