典型文献
属性网络中基于变分图自编码器的异常节点检测方法
文献摘要：
图神经网络为属性网络数据挖掘提供融合利用结构信息和属性信息的方法,但是在现阶段基于图自动编码器进行无监督属性网络异常节点检测时,常将正常节点子属性插值形成的节点误识别为异常节点,导致方法的假负率较高.针对上述问题,文中提出基于变分图自编码器的异常节点检测方法.模型包含两个编码器和一个解码器,利用一个编码器和一个解码器构成的变分自编码器模型,重建原始输入数据,再利用解码器和第二个编码器,使模型学习到不包含异常节点数据的网络隐层表达.通过双变分自编码器学习正常节点子特征,并利用重建误差作为节点的异常度量,将由正常节点子特征构成的正常节点判别为正常节点.在真实网络数据集上的实验表明,文中方法能有效进行属性网络异常节点检测.
文献关键词：
异常节点检测;属性网络;变分自编码器;重建误差;无监督异常检测方法
中图分类号：
作者姓名：
李忠;靳小龙;王亚杰;孟令宾;庄传志;孙智
作者机构：
中国科学院计算技术研究所网络数据科学与技术重点实验室 北京100190;中国科学院大学 计算机与控制学院 北京100049
文献出处：
引用格式：
[1]李忠;靳小龙;王亚杰;孟令宾;庄传志;孙智-.属性网络中基于变分图自编码器的异常节点检测方法)[J].模式识别与人工智能,2022(01):17-25
A类：
B类：
属性网络,变分图自编码器,异常节点检测,图神经网络,网络数据挖掘,结构信息,属性信息,自动编码器,网络异常节点,点子,误识,解码器,变分自编码器,输入数据,模型学习,重建误差,异常度,真实网络,中方,无监督异常检测方法
AB值：
0.215069
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
