NIPS 2024 | 生成式半监督图异常检测

论文信息

题目：Generative Semi-supervised Graph Anomaly Detection

生成式半监督图异常检测

作者：Hezhe Qiao, Qingsong Wen, Xiaoli Li, Ee-Peng Lim, Guansong Pang

源码：https://github.com/mala-lab/GGAD

论文创新点

1. 提出了一种新的半监督图异常检测场景：作者探索了一种实用且未充分探索的半监督图异常检测（GAD）场景，其中部分节点已知为正常节点。
2. 引入了一种生成式图异常检测方法（GGAD）：作者提出了一种新的生成式GAD方法，称为GGAD，旨在生成伪异常节点（离群节点），这些节点在图结构和特征表示上都与真实异常节点相似。这些离群节点作为负样本，用于训练判别式单类