实体
YelpChi
YelpChi
PulseAugur coverage of YelpChi — every cluster mentioning YelpChi across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的EB-GAD框架提供无需训练的图异常检测
研究人员推出了一种新颖的、无需训练的图异常检测框架EB-GAD。该方法将正常性建模为一种感知图的松弛过程，并使用经验贝叶斯从残差场似然度拟合图精度。EB-GAD框架通过将其构建为有限视野控制能量问题，为异常评分提供了封闭形式的解决方案。该框架在包括金融欺诈网络、评论图和社交媒体数据集在内的十一个基准测试中的九个上，展示了优于或并列最佳的性能，且通常具有显著优势。
-
新框架通过共形预测增强欺诈检测能力
研究人员开发了ProtoCP，一个新颖的共形预测框架，旨在改进时间交互图中的欺诈检测。该方法通过关注与欺诈相关的子图上下文并利用学习到的原型来稳定非一致性分数，从而解决了类别不平衡和嘈杂校准信号等挑战。在四个基准测试上的实验表明，与现有方法相比，ProtoCP在实现目标覆盖率的同时，预测集更小。
-
新的PREF-Gate框架通过融合证据来源改进图欺诈检测 · 跟踪3个来源
研究人员开发了PREF-Gate，一个用于图欺诈检测的新型框架，它解决了将无标签图上下文与标签派生邻域证据融合的挑战。这个可审计的决策框架使用两个专家和一个验证门来管理这些信息来源之间冲突的有效性条件。在Amazon、YelpChi和TFinance数据集上的实验证明了PREF-Gate的有效性，取得了高AUPRC值，并表明只有在得到保留验证的支持下，标签派生的关系证据才有用。