基于多角度对比学习的属性网络异常检测

• 全文链接
• 请求原文

作   者：

李保珍;  孔倩文;  苏雨薇; 

作者机构：

南京审计大学 计算机学院; 

关键词：

属性网络;  对比学习;  异常检测; 

期刊名称：

计算机工程与应用

i s s n：

1002-8331

年卷期：

2024 年 60 卷 019 期

页   码：

167-177

摘   要：

传统属性网络的异常检测多基于自监督对比学习,存在着异常节点类型较少、对比学习角度单一等不足.基于"节点-节点"对比和"节点-子图"对比,提出了一种多角度对比学习属性网络异常检测的ADMC(anomaly detec-tion on attribute network by multi-angle contrastive learning)模型.主要创新工作有:在原有结构和属性异常的基础上,进一步细化为四种节点异常类型,并在属性网络中对其进行量化测度;利用"节点-节点"的节点级对比获得二重联接信息,利用"节点-子图"的跨节点级对比获得局部连接信息,并构建了二者互为补充的多角度对比学习模型.基于社交媒体及引文文献等数据集,与基于自监督对比学习(CoLA)模型相比较的实验结果表明,ADMC模型能够丰富异常数据的类型,提升属性网络异常检测的精确性.