English(EN) Normality Calibration in Semi-supervised Graph Anomaly Detection

新框架利用标记和未标记数据校准图异常检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 04:00

研究人员开发了一个名为GraphNC的新框架，以改进半监督图异常检测。该方法通过利用标记和未标记数据来校准常态，并使用教师模型来指导过程。GraphNC结合了异常分数分布对齐和基于扰动的常态正则化，以提高异常分数和节点表示的准确性和可分离性。 AI

排序理由这是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.LG TIER_1 English(EN) · Guolei Zeng, Hezhe Qiao, Guoguo Ai, Jinsong Guo, Guansong Pang · 2026-06-09 04:00

半监督图异常检测中的常态校准

arXiv:2510.02014v3 Announce Type: replace Abstract: Graph anomaly detection (GAD) has attracted growing interest for its crucial ability to uncover irregular patterns in broad applications. Semi-supervised GAD, which assumes a subset of annotated normal nodes available during tra…