BriefGPT - AI 论文速递
·
通过上下文残差学习与少样本提示实现通用异常检测
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
FMGAD是一种新颖的少样本图异常检测模型，利用自监督对比学习策略捕捉内在和可传递的结构表示，并借助深度图神经网络消息增强重构模块从根本上利用少样本标签信息。实验结果表明，FMGAD在注入异常情况下具有比其他方法更好的性能。
🎯
关键要点
- FMGAD是一种新颖的少样本图异常检测模型。
- 该模型利用自监督对比学习策略捕捉内在和可传递的结构表示。
- FMGAD借助深度图神经网络消息增强重构模块利用少样本标签信息。
- 该模块能够将标签信息传播到更深的未标记节点。
- 实验结果表明，FMGAD在注入异常情况下性能优于其他方法。
🏷️
标签
➡️
