抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
属性エッジを有するネットワークを与えて,エッジ特性であるユビキタスを用いた異常挙動ネットワークを同定し,ノード間の相互作用についての豊富な情報を捉えることができるか。本論文では,教師なし方法で典型的な挙動から疑わしい識別にこの正確に情報を利用し,実用的な異常検出シナリオにおけるグランドトルースラベルの伝統的な不足に良く支持することを目的とした。著者らの研究は,多くの顕著な寄与の,(a)定式化:多くの他のグラフベース異常検出の研究は,構造グラフ連結性またはノード情報を使っているが,レバレッジエッジ情報の新しい問題に焦点を当て,(b)方法論:EdgeCentric,エッジ属性グラフ異常を検出するための直感的でスケーラブルな圧縮ベース手法を導入し,(c)実用性:我々はEdgeCentricはいくつかの大きな,エッジ起因実世界グラフにおける多数のこのような異常,百十万ユーザ/五十四万五千生成物間の3以上の百万製品レビューとFlipkart電子商取引グラフを発見できることを示したを含むを有し,トップ100結果よりも0.87精度を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】