标签
本文介绍了RelAD，一个基于重构的框架，用于检测关系数据库中的异常，通过联合建模属性和关系边重构。在六个新基准上的大量实验表明，RelAD优于现有方法。
Controlled Dynamics Attractor Transformer (CDAT) 结合了混合 von Mises-Fisher 注意力能量与 Hopfield 精炼能量，并加入了受 CANN 启发的兴奋-抑制调制，提供了拓扑约束的动力学系统以实现稳定推理。它在图异常检测和图分类基准上取得了最先进的性能。
提出了一种节点级频谱能量公式，用于检测图中的伪装异常，并将其扩展到具有能量驱动消息传递的时空设置。在大规模基准测试上证明了其有效性。
提出DDGAD，一种基于扩散的图异常检测框架，利用轨迹动力学区分正常节点与异常节点，通过可靠性感知的一致性机制和三种互补的异常信号缓解污染传播。
TERGAD是一种新颖的数据增强框架，利用大语言模型将节点级别的拓扑属性转化为语义描述，然后通过门控双分支自编码器将这些语义描述与原始节点属性融合，用于图异常检测，在六个数据集上取得了最先进的结果。