Structural Temporal Graph Neural Networks for Anomaly Detection in Dynamic Graphs
Metadane
- Autorzy: Lei Cai, Zhengzhang Chen, Chen Luo, Jiaping Gui, Jingchao Ni, Ding Li, Haifeng Chen
- Rok: 2021
- Źródło: CIKM 2021
- DOI/Link: [Do uzupełnienia]
- Status: to-read
- Pochodzenie: Wyekstrahowane z xu-crowdsourcing-fraud-mmma-2024
- Tagi: to-read reference anomaly-detection dynamic-graphs temporal-gnn structural
Notatki
StrGNN ekstrahuje h-hop enclosing subgraph krawędzi i etykietuje każdy węzeł aby zidentyfikować jego odpowiednią rolę w podgrafie. Następnie wykorzystuje GCN i GRU do przechwytywania informacji przestrzennych i temporalnych dla wykrywania anomalii.
Publikacja dodana automatycznie z bibliografii. Dodaj PDF aby wygenerować pełne podsumowanie używając /summarize-paper cai-strgnn-2021