文献

J-GLOBAL ID：202202210883908927   整理番号：22A0067152

属性グラフ上の半教師つき異常検出のためのノード情報とネットワーク構造の統合【JST・京大機械翻訳】

Incorporating Network Structure with Node Information for Semi-supervised Anomaly Detection on Attributed Graphs

著者 (6件)： Chen Bofeng (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Li Jingdong (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Lu Xingjian (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Sha Chaofeng (School of Computer Science, Fudan University, Shanghai, China) ,  Wang Xiaoling (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Zhang Ji (Zhejiang Lab, Hangzhou, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13080  ページ： 242-257  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 属性グラフ上の異常検出は,最近多くの研究注目を集めている。既存の研究の多くは教師なし異常検出に焦点を合わせている。しかし,実際のアプリケーションでは,専門家によっていくつかのラベル付きインスタンスを得ることができ,異常検出の精度を改善するために,限られたラベル付きインスタンスを利用する方法はまだ未解明である。本論文では,構造異常と属性異常の両方を考慮することにより,半教師つき異常検出法を提案した。最初に,グラフ畳込みネットワーク(GCNs)に基づいて,著者らは,正常ノードを囲まれて,外れるために異常ノードを強制する超球面を学習して,著者らはノード埋込みと超球面中心間の距離を計算することによって構造異常を検出した。訓練されたGCNは常にノイズエッジによる異常検出のためのより良い表現を学習できないので,属性異常を検出するために深層ニューラルネットワーク(DNN)を使用する。さらに,ラベル付きデータを完全に利用するために,著者らは,半教師つき学習を異常検出に組み込み,それは,限られたラベル情報を多数のラベルなしインスタンスに伝播し,正確なノード埋込みを学習できる。5つの実世界データセットに関する大規模な実験は,著者らの方法の優位性と各々のモジュールの重要性を証明した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  畳込み ,  *ネットワーク ,  *ネットワーク構造 ,  応用プログラム ,  球面
準シソーラス用語： 異常検出 ,  半教師つき学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 異常検出 ,  グラフ畳込みネットワーク ,  半教師つき学習

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  計算機網  (JC03000K)

タイトルに関連する用語 (7件)： 属性 ,  グラフ ,  教師 ,  異常検出 ,  ノード ,  ネットワーク構造 ,  統合