文本遇见拓扑：重新思考富文本网络中的分布外检测
计算与语言
2025-09-03 v2 机器学习
摘要
在富文本网络中，文本特征与拓扑结构相互交织，分布外(OOD)检测仍然具有挑战性。现有方法主要解决标签偏移或基础的基于领域的划分，忽略了复杂的文本-结构多样性。例如，在社交网络中，用户表示为具有文本特征（姓名、简介）的节点，而边表示好友状态，OOD 可能源于机器人与正常用户之间截然不同的语言模式。为了弥补这一差距，我们引入了 TextTopoOOD 框架，用于评估跨多种 OOD 场景的检测：(1) 通过文本增强和嵌入扰动实现的属性级偏移；(2) 通过边重连和语义连接实现的结构偏移；(3) 主题引导的标签偏移；以及 (4) 基于领域的划分。此外，我们提出 TNT-OOD 来建模文本与拓扑之间的复杂相互作用，使用：1) 一个新颖的交叉注意力模块，将局部结构融合到节点级文本表示中；以及 2) 一个 HyperNetwork 来生成节点特定的转换参数。这使分布内(ID)节点的拓扑和语义特征对齐，增强了跨结构和文本偏移的 ID/OOD 区分能力。在四个 OOD 场景下的 11 个数据集上的实验表明，TextTopoOOD 在评估富文本网络中的 OOD 检测时面临着微妙的挑战。
关键词
引用
@article{arxiv.2508.17690,
title = {Text Meets Topology: Rethinking Out-of-distribution Detection in Text-Rich Networks},
author = {Danny Wang and Ruihong Qiu and Guangdong Bai and Zi Huang},
journal= {arXiv preprint arXiv:2508.17690},
year = {2025}
}
备注
EMNLP2025 Main