摘要
社交网络在日常生活广泛应用,但其中存在的虚假评论、金融欺诈、黑客攻击等异
常现象,既损害用户权益,又破坏网络生态。这些现象在网络关系抽象为图数据后,表
现为节点或图结构异常。因此,图异常检测技术因高效精准的优势展现出重要应用价值。
然而,不同场景下的图异常检测方法都面临着各自的挑战。无监督场景下的现有方法常
以单一模型同时检测属性异常和结构异常,两类任务在优化过程中相互干扰导致参数妥
协,削弱异常检测效果。而半监督场景下的现有方法通常仅使用单一节点学习到的表示
作为唯一的判定依据,易受噪声影响
您可能关注的文档
最近下载
- 康复工程技术-肖晓鸿-第四章其他康复辅助器具技术第一节轮椅.pptx
- 职业技能鉴定《三级烟草专卖管理师》模拟真题四.pdf VIP
- 新修订《国有企业领导人员廉洁从业规定》全文课件.ppt
- (高清版)DG∕TJ 08-2434-2023 城市轨道交通结构安全保护技术标准.pdf VIP
- 盾构隧道内电瓶车轨道安装交底.docx VIP
- ISO50001-2018能源管理体系能源因素识别表、能源因素评价表及重要能源因素控制清单.pdf VIP
- (2025年)国家职业技能鉴定考评员考试题库(含答案).docx VIP
- 07K103-2 防排烟系统设备及附件选用及安装.pdf VIP
- 城乡结合部社区养老服务方案.docx VIP
- 案例教学典型案例.doc VIP
原创力文档

文档评论(0)