Jun, 2023

基于特征交互分解全局特征影响效应

PDF
TL;DR该研究提出了一种新的框架，称为广义加性分解全局效应（GADGET），用于找到特征空间中可解释的区域，从而尽量减少局部特征效应的交互异质性，并提出了一种新的置换检验方法来检测显著的特征交互。该方法在不同的实验设置中进行了实证评估，并使用两个真实世界的示例展示了其实用性。
generalized additive decompositionlocal feature effectsfeature interactionsrecursive partitioningpermutation-based interaction test
发现论文，激发创造
  • Mul-GAD: 基于聚合多视角信息的半监督图异常检测框架

    本文提出了一种多视图融合方法用于图形异常检测，该方法结合了视角级融合和特征级融合以更好地利用不同视角的信息。在多个数据集上进行的实验表明，该方法在异常检测性能和泛化能力方面优于其他现有算法。

    Dec, 2022

  • FGAD: 自助强化知识蒸馏的有效联邦图异常检测框架

    我们提出了一种有效的联邦图异常检测框架 (FGAD)，通过引入异常生成器来扰动正常图形，通过区分生成的异常图形和正常图形来训练强大的异常检测器。然后，我们利用一个学生模型从训练的异常检测器（教师模型）中提取知识，旨在保持本地模型的个性并减轻非独立同分布问题的不利影响。此外，我们设计了一个有效的协作学习机制，促进了本地模型的个性保存并显著降低了客户之间的通信成本。与最先进的基准线相比，在非独立同分布图上的图异常检测任务的实证结果表明了所提出的 FGAD 方法的优越性和效率。

    Feb, 2024

  • 全局知识蒸馏的深度图层异常检测

    介绍了一种新的基于深度学习的图异常检测方法，该方法使用 GNN 来预测具有随机初始化网络权重的另一个 GNN，可以有效检测局部和全局异常的真实世界图数据集。

    Dec, 2021

  • GLAD: 全局和局部自适应扩散模型以实现更好的无监督异常检测

    通过引入合成异常样本和空间自适应特征融合方案，本文提出了一种全局和局部自适应扩散模型（GLAD）用于无监督异常检测，增加了灵活性并实现了无异常的重构，同时保留了尽可能多的正常信息。

    Jun, 2024

  • 缓解图异常检测中的结构分布偏移

    针对图形异常检测中结构分布偏移的问题，本研究提出了一种名为图解构网络（GDN）的框架，通过限制异常特征的影响，同时从同质性中获益，来解决正常和异常节点之间的分类问题。在两个基准数据集上进行的广泛实验表明，该框架在异常检测中取得了显著的性能提升。

    Jan, 2024

  • 从几何感知的角度提高语言模型的鲁棒性

    通过友好对抗样本扩充和几何感知对抗训练技术，用更少的步骤达到更强的鲁棒性，实验结果表明在两个数据集上的三种预训练语言模型中，GAT 可以在更少的步骤中获得更强的鲁棒性。

    Apr, 2022

  • GLADformer：一种用于图层面异常检测的混合视角

    GLADformer 是一种多视角混合图级异常检测器，由 Graph Transformer 模块和 band-pass spectral GNN message passing 模块组成，能够有效地捕捉全局异常表征和频谱特征，在图级异常检测中优于现有的先进模型。

    Jun, 2024

  • 增益来源：条件平均剂量反应估计中的性能分解

    我们提出了一种新的分解方案，用于评估影响 CADR 估计器性能的五个不同组成部分的影响。我们运行了近 1500 个独立实验，将这个方案应用于四个广泛使用的基准数据集上的八个流行的 CADR 估计器。我们的结果揭示了大多数现有的基准数据集的挑战不同于其创建者所声称的挑战，同时发现干扰并不是任何考虑的数据集中的问题。我们讨论了我们发现的主要影响，并提出了未来研究的方向。

    Jun, 2024

  • 反事实增强数据的有效性研究

    研究表明，尽管预训练语言模型在自然语言理解基准测试上表现出色，但它们往往依赖于虚假的相关性并且对分布外数据的推广效果差，最近的工作探索使用反事实增强数据（CAD）-- 通过最小程度的扰动示例来翻转基本事实标签的数据 -- 来识别在分布移位下不变的强健特征，然而，使用 CAD 进行分布外泛化的实证结果存在异议。

    Jul, 2021

  • PhoGAD: 基于图的异常行为检测与持久化同调优化

    提出了一个基于图的异常检测框架 ——PhoGAD，利用持续同调优化澄清行为边界，设计相邻边的权重以减轻本地异质性的影响，并通过形式化分析和基于显式嵌入的解缠表示方法解决噪声问题，成功实现了异常行为的检测，实验证明 PhoGAD 在侵入、流量和垃圾邮件数据集上的性能超越了现有框架，并在减少异常比例时仍然表现出鲁棒性，凸显其对实际场景的适用性，持续同调的分析显示其在捕获正常边缘特征形成的拓扑结构方面的有效性，消融实验证明了 PhoGAD 集成的创新机制的有效性。

    Jan, 2024