属性网络中用于异常检测的单类图神经网络
机器学习
2021-03-29 v2 机器学习
摘要
如今，图结构数据越来越多地被用于建模复杂系统。同时，从图中检测异常已成为一个关乎紧迫社会关切的重要研究问题。异常检测是一项无监督学习任务，旨在识别与大多数数据不同的稀有数据。作为主流的异常检测算法之一，单类支持向量机已被广泛用于检测离群点。然而，这些传统的异常检测方法在图数据上失去了效力。由于传统异常检测方法稳定、鲁棒且易于使用，将其推广到图数据至关重要。在这项工作中，我们提出了单类图神经网络（OCGNN），一个用于图异常检测的单类分类框架。OCGNN旨在将图神经网络强大的表示能力与经典的单类目标相结合。与其他基线方法相比，OCGNN在大量实验中取得了显著提升。
引用
@article{arxiv.2002.09594,
title = {One-Class Graph Neural Networks for Anomaly Detection in Attributed Networks},
author = {Xuhong Wang and Baihong Jin and Ying Du and Ping Cui and Yupu Yang},
journal= {arXiv preprint arXiv:2002.09594},
year = {2021}
}
备注
16 pages, 4 figures. Neural Comput & Applic (2021)