图片

论文链接：https://arxiv.org/pdf/2209.14930.pdf

图被广泛用于复杂系统的建模，检测图中的异常是复杂系统分析中的一项重要任务。图异常是指图中的模式不符合图的属性和/或结构所期望的正常模式。近年来，图神经网络(GNNs)得到了广泛的研究，并成功地完成了节点分类、链接预测和图分类等困难的机器学习任务，这得益于在有效学习图表示中通过消息传递实现的高度表达能力。为了解决图异常检测问题，基于GNN的方法利用关于图属性(或特征)和/或结构的信息来学习对异常进行适当的评分。在这篇综述中，我们回顾了使用GNN模型检测图异常的最新进展。具体而言，我们根据图类型(即静态和动态)、异常类型(即节点、边、子图和全图)和网络架构(如图自动编码器、图卷积网络)对基于GNN的方法进行了总结。据我们所知，这次综述是第一次全面回顾基于GNN的图异常检测方法。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除