类别标签感知的图异常检测
摘要：无监督的GAD方法假设缺少异常标签，即节点是否异常。我们从以前的无监督方法中发现的一个普遍观察是，它们不仅假设不存在这种异常标签，而且还假设不存在类标签（节点所属的类别在一般的节点分类任务中使用）。在这项工作中，我们研究了类标签对无监督GAD的效用，特别是它们如何增强结构异常的检测。为此，我们提出了一个类标签感知的图异常检测框架（CLAD），它利用有限数量的带标签节点来提高无监督GAD的性能。在十个数据集上的广泛实验表明，与现有的无监督GAD方法相比，CLAD具有卓越的性能，即使没有地面真实类标签信息。CLAD的源代码可在url{https://github.com/jhkim611/CLAD}上获得。
作者：Junghoon Kim, Yeonjun In, Kanghoon Yoon, Junmo Lee, Chanyoung Park
论文ID：2308.11669
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-24