【技术实现步骤摘要】
本专利技术涉及属性网络中的异常节点检测领域，尤其涉及一种用于社交媒体的综合全局信息的无监督异常节点检测方法。
技术介绍
1、属性网络中的异常检测问题是属性网络数据上发现显著区别于大部分节点的节点。异常节点检测已被广泛应用于多种真实世界场景中。
2、异常节点检测面临两大挑战：一是现实世界中的网络规模庞大、结构复杂，并且异常通常在不断的变化之中，难以检测；二是给如此庞大的网络数据标注标签也是难以实现的，因此传统的有监督异常检测方法已经不适用于现在的种种真实世界场景。
3、现有的进行异常检测的方法主要有两种，一是基于自编码器的重构方法，该类方法通过最大化节点的重构一致性，将无法重构的节点作为异常节点，其模型目标为尽可能重构出所有节点，即最小化重构节点与原始节点的差异，而异常检测任务是为了尽可能多的检测出异常节点，目标是最大化图中正常节点与异常节点的差异，可见基于自编码器的重构模型设计目标与异常检测任务的检测目标并不完全相符，因此这类方法并非完美适用于异常检测任务中；二是基于对比学习的对比方法，现有的方法是基于多尺度对比...
【技术保护点】
1.一种用于社交媒体的综合全局信息的无监督异常节点检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种用于社交媒体的综合全局信息的无监督异常节点检测方法，其特征在于，所述对比组合包含视图内局部对比组合、视图内全局对比组合和视图间对比组合，对比组合又由三种类型对比对组合构成，对比对分别为节点-节点对比对，节点-子图对比对，子图-子图对比对，这其中包含的节点、子图均采样于两个视图中。
3.根据权利要求1所述的一种用于社交媒体的综合全局信息的无监督异常节点检测方法，其特征在于，所述视图内局部对比组合：由节点-节点对比对、节点-子图对比对
...
【技术特征摘要】
1.一种用于社交媒体的综合全局信息的无监督异常节点检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种用于社交媒体的综合全局信息的无监督异常节点检测方法，其特征在于，所述对比组合包含视图内局部对比组合、视图内全局对比组合和视图间对比组合，对比组合又由三种类型对比对组合构成，对比对分别为节点-节点对比对，节点-子图对比对，子图-子图对比对，这其中包含的节点、子图均采样于两个视图中。
3.根据权利要求1所述的一种用于社交媒体的综合全局信息的无监督异常节点检测方法，其特征在于，所述视图内局部对比组合：由节点-节点对比对、节点-子图对比对构成，
4.根据权利要求3所述的一种用于社交媒体的综合全局信息的无监督异常节点检测方法，其特征在于，所述节点-节点对比对为：
5.根据权利要求3所述的一种用于社交...
【专利技术属性】
技术研发人员：武南南，鲁庆成，王文俊，赵一鸣，郭泽浩，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。