arXiv cs.LG· Yujing Liu, Yixin Liu, Yue Tan, Xiaofeng Cao, Alan Wee-Chung Liew, Heng Tao Shen, Shirui Pan·· 3 小时前AI 评分20
通用图异常检测是否必须依赖真实训练数据？AG-FORGE 与 TS-GGAD 给出合成数据方案
Is Real-World Training Data Necessary for Generalist Graph Anomaly Detection?
AI 导读
针对通用图异常检测（GAD）真实异常图稀缺昂贵的问题，研究者提出异常图自动合成工具 AG-FORGE，并发现合成数据可达到与真实数据相当的训练效果。为在大规模合成数据下进一步释放模型能力，他们开发了拓扑-语义协同的通用 GAD 模型 TS-GGAD，并配套面向大规模合成训练的课程学习策略。在 14 个真实数据集上，用 AG-FORGE 生成数据训练的 TS-GGAD 显著优于现有 SOTA 方法。
来源：arXiv cs.LG · arxiv.org