通过对抗优化生成与主题一致的反事实样本用于图级异常检测
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种新颖的方法 Motif-consistent Counterfactuals with Adversarial Refinement (MotifCAR) 来进行图级异常检测，通过结合一个图的核心子图和另一个图的上下文子图来生成原始对照图，然后采用生成对抗网络进行优化，生成高质量的对照图。
本文介绍了生成对抗平衡网络（GCFN）的新型深度神经网络，用于反事实公平性预测。该方法通过反事实调节器正则化方式学习反事实分布，保证公平性。实验证明该方法在各种情况下性能达到最先进水平，并在自由刑滞后预测案例中取得有意义的结果。
