HLSAD：基于 Hodge Laplacian 的单纯复形异常检测
机器学习
2025-06-02 v1 社会与信息网络
摘要
在本文中，我们提出了 HLSAD，一种用于检测演化中的单纯复形异常的新方法。尽管传统的图异常检测技术已被广泛研究，但它们往往无法捕捉高阶交互的变化，而这些变化对于识别复杂的结构异常至关重要。这些高阶交互可以直接源于底层数据本身，也可以通过图提升技术产生。我们的方法利用单纯复形的 Hodge Laplacian 的谱特性，有效地对数据点之间的多向交互进行建模。通过将高维单纯结构纳入我们的方法，我们提高了检测精度和计算效率。通过在合成和真实数据集上的全面实验，我们证明了我们的方法在检测事件和变点方面优于现有的图方法。
关键词
引用
@article{arxiv.2505.24534,
title = {HLSAD: Hodge Laplacian-based Simplicial Anomaly Detection},
author = {Florian Frantzen and Michael T. Schaub},
journal= {arXiv preprint arXiv:2505.24534},
year = {2025}
}
备注
Accepted for KDD 2025