- 博客(2)
- 收藏
- 关注
原创 知识图谱嵌入表示为何能有效支持对未知三元组的链接预测任务?
导读: 知识表示学习时今年来的一个热点研究问题,在知识图谱中,研究人员们针对图上实体与关系的嵌入表示问题,提出了许多能充分学习实体在图谱中语义信息的嵌入模型。但是,却没有学者专门探究为何这些模型在训练数据上训练出的嵌入表示对于完全未知的测试数据也能有较好的效果。本文作者尝试从三种不同视角对这一问题进行探究。
2022-04-28 23:51:01
1825
1
翻译 Enhancing Graph Neural Network-based Fraud Detectors against Camouflaged Fraudsters[CIKM 2020]
导读:近年来,图神经网络(GNNs)被广泛地应用于欺诈检测问题,通过不同的关系聚合节点的邻域信息来揭示节点的可疑性。然而,以前的工作很少注意到欺诈者的伪装行为,这可能会妨碍基于GNN的欺诈检测器在聚合过程中的性能。在本文中,作者根据最近的实证研究介绍了两种类型的伪装,即特征伪装和关系伪装。现有的GNN没有解决这两种伪装,这导致它们在欺诈检测问题上表现不佳。因此,作者提出了一个名为CAmouflage-REsistant GNN(CARE-GNN)的新模型,通过三个神经模块来加强GNN的聚合过程,防止伪装。
2021-12-04 16:48:23
918
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人