基于分层记忆网络的图级异常检测
机器学习
2023-07-04 v1 计算机视觉与模式识别
摘要
图级异常检测旨在识别图集中相较于多数图表现出偏离结构和节点属性的异常图。一个主要挑战是学习图在细粒度与整体视图中呈现的正常模式，以识别局部或整体异常的图。为应对该挑战，我们提出一种称为分层记忆网络（HimNet）的新方法，其通过图自编码器网络架构学习分层记忆模块——节点与图记忆模块。节点级记忆模块经训练建模节点间细粒度、内部的图交互以检测局部异常图，而图级记忆模块致力于整体正常模式的学习以检测全局异常图。两模块联合优化以检测局部与全局异常图。在来自不同领域的 16 个真实图数据集上的大量实证结果表明：i) HimNet 显著优于最先进方法；ii) 其对异常污染具有鲁棒性。代码见：https://github.com/Niuchx/HimNet。
引用
@article{arxiv.2307.00755,
title = {Graph-level Anomaly Detection via Hierarchical Memory Networks},
author = {Chaoxi Niu and Guansong Pang and Ling Chen},
journal= {arXiv preprint arXiv:2307.00755},
year = {2023}
}
备注
Accepted to ECML-PKDD 2023