典型文献
基于深度学习的属性图异常检测综述
文献摘要：
异常检测一直以来都是数据挖掘领域的研究热点之一,其任务是在海量数据中识别罕见的观测对象.随着图数据挖掘的发展,属性图异常检测在各个领域广受关注.然而,属性图因其复杂的拓扑结构和丰富的属性信息成为异常检测一大难点.深度学习方法在捕捉属性图复杂的信息中展现出优越性能,已被证实是解决属性图异常检测问题非常有效的方法.对普通图异常检测和属性图异常检测以及表示学习相关方法进行简要概述;其次从静态属性图和动态属性图两方面对最新深度学习异常检测方法进行介绍与分类;对常见数据集上的实验结果进行了对比、分析;对属性图异常检测的应用场景、存在的问题以及面临的挑战进行讨论,展望了未来的研究方向.
文献关键词：
异常检测;属性图;图数据挖掘;深度学习
中图分类号：
作者姓名：
张伊扬;钱育蓉;陶文彬;冷洪勇;李自臣;马梦楠
作者机构：
新疆大学 软件学院,乌鲁木齐 830046;新疆大学 新疆维吾尔自治区信号检测与处理重点实验室,乌鲁木齐 830046;北京理工大学 计算机学院,北京 100081;广东水利电力职业技术学院 大数据与人工智能学院,广州 510635
文献出处：
引用格式：
[1]张伊扬;钱育蓉;陶文彬;冷洪勇;李自臣;马梦楠-.基于深度学习的属性图异常检测综述)[J].计算机工程与应用,2022(19):1-13
A类：
图数据挖掘
B类：
属性图,图异常检测,海量数据,拓扑结构,属性信息,深度学习方法,实是,检测问题,表示学习,相关方法,静态属性,动态属性,异常检测方法
AB值：
0.18395
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。
