登录
洞察 - グラフ異常検出
UniGAD：複数レベルのグラフ異常検出の統合
UniGADは、ノード、エッジ、グラフの各レベルで異常を共同で検出する統一されたグラフ異常検出フレームワークであり、異なるレベルの情報の転送可能性を活用して、単一モデルでの複数レベルの異常検出を実現する。
グラフ異常検出のための混合によるシンプルかつ効果的なハードネガティブ生成：ANOMIX
ANOMIXは、グラフの混合を通じてハードネガティブなサンプルを生成し、グラフコントラスト学習における異常検出精度を向上させる、シンプルながらも効果的な新しいフレームワークである。
拡散ベースの教師なしグラフ異常検出器DiffGAD：従来手法の課題を克服
本稿では、従来の教師なしグラフ異常検出モデルにおける識別能力の欠如という課題を、拡散モデルを用いた新たな手法DiffGADによって解決することを提案しています。
グラフのノードレベル異常検出における3つの再訪
グラフのノードレベルでの異常検出方法を改善するための戦略と手法に関する研究結果を提供する。
