PulseAugur
中
实时 10:51:53
English(EN) Node-to-Neighborhood Semantic Consistency: Text-Topology Alignment for TAGs Anomaly Detection

新的N2NSC框架对齐文本和拓扑以实现图异常检测

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个名为N2NSC的新框架，用于解决文本属性图（TAGs）中的异常检测问题。该方法侧重于节点与其邻域之间的语义一致性，认识到异常可能源于文本不匹配或拓扑偏差。N2NSC集成了图神经网络（GNNs）和大型语言模型（LLMs），以有效地捕获结构和语义信息，在八个数据集上表现优于现有的最先进方法。 AI

影响 这项研究可以通过增强识别复杂、富文本图数据中异常的能力，来改进欺诈检测和学术诚信验证。

排序理由 该集群包含一篇学术论文，详细介绍了文本属性图异常检测的新框架。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的N2NSC框架对齐文本和拓扑以实现图异常检测

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Bochen Lin, Jianxiang Yu, Jiayi Wu, Lin Qi, Huang Lu, Xiang Li ·

    节点到邻域语义一致性：用于TAGs异常检测的文本拓扑对齐

    arXiv:2606.30009v1 Announce Type: new Abstract: Graph anomaly detection (GAD) on text-attributed graphs (TAGs) is vital for applications such as fraud detection and academic integrity verification. Existing approaches generally fall into two paradigms. GNN-based methods effective…

  2. arXiv cs.CL TIER_1 English(EN) · Xiang Li ·

    节点到邻域语义一致性：用于TAGs异常检测的文本拓扑对齐

    Graph anomaly detection (GAD) on text-attributed graphs (TAGs) is vital for applications such as fraud detection and academic integrity verification. Existing approaches generally fall into two paradigms. GNN-based methods effectively capture structural patterns but struggle to c…

相关实体

相关话题