NLP-ADBench：面向自然语言处理异常检测的数据基准
计算与语言
2025-10-13 v2 机器学习
摘要
异常检测（AD）是具有欺诈检测、内容审查和用户行为分析等应用的重要机器学习任务。然而，异常检测在自然语言处理（NLP）语境下研究相对不足，限制了其在检测有害内容、网络钓鱼尝试和垃圾评论方面的效果。我们引入NLP-ADBench，目前最全面的NLP异常检测（NLP-AD）数据基准，包含八个精选数据集和19种最先进算法。这些方法涵盖3种端到端方法和16种两步方法，后者将经典的非AD方法适配来自BERT和OpenAI的语言嵌入。我们的实证结果表明，没有单一模型在所有数据集上都占据主导地位，这表明需要自动化模型选择。此外，两步方法使用基于Transformer的嵌入在所有数据集上一致优于专用的端到端方法，其中OpenAI嵌入优于BERT嵌入。我们在https://github.com/USC-FORTIS/NLP-ADBench发布NLP-ADBench，为NLP-AD提供统一框架，支持未来的研究。
引用
@article{arxiv.2412.04784,
title = {NLP-ADBench: NLP Anomaly Detection Benchmark},
author = {Yuangang Li and Jiaqi Li and Zhuo Xiao and Tiankai Yang and Yi Nian and Xiyang Hu and Yue Zhao},
journal= {arXiv preprint arXiv:2412.04784},
year = {2025}
}
备注
EMNLP Findings 2025. The project is available at https://github.com/USC-FORTIS/NLP-ADBench