English(EN) TERGAD: Structure-Aware Text-Enhanced Representations for Graph Anomaly Detection

LLM通过结构感知文本嵌入增强图异常检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-19 12:09

研究人员开发了TERGAD，一个利用大型语言模型（LLM）的图异常检测新框架。TERGAD将节点的结构属性转化为自然语言叙述，然后由LLM处理以生成语义嵌入。这些嵌入与原始节点属性融合，以重建图结构和节点特征，并通过重建误差识别异常。在六个数据集上的实验表明，TERGAD的性能优于现有方法。 AI

影响通过将LLM驱动的语义理解与结构分析相结合，增强了复杂图数据中的异常检测能力。

排序理由该集群包含一篇详细介绍图异常检测新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Feng Xia · 2026-05-19 12:09

TERGAD：用于图异常检测的结构感知文本增强表示

Graph Anomaly Detection (GAD) aims to identify atypical graph entities, such as nodes, edges, or substructures, that deviate significantly from the majority. While existing text-rich approaches typically integrate structural context into the data representation pipeline using raw…