Fugu-MT 論文翻訳(概要): A Methodological Report on Anomaly Detection on Dynamic Knowledge Graphs

論文の概要: A Methodological Report on Anomaly Detection on Dynamic Knowledge Graphs

arxiv url: http://arxiv.org/abs/2408.06121v3
Date: Mon, 11 Nov 2024 01:49:19 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-12 14:05:12.396952
Title: A Methodological Report on Anomaly Detection on Dynamic Knowledge Graphs
Title（参考訳）: 動的知識グラフを用いた異常検出の一手法
Authors: Xiaohua Lu, Leshanshui Yang,
Abstract要約: 動的知識グラフの異常検出に対するさまざまなアプローチを、特にアプリケーションのためのマイクロサービス環境で検討する。 ISWC 2024 Dynamic Knowledge Graph Anomaly Detection データセットのベースラインを著しく上回っている。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In this paper, we explore different approaches to anomaly detection on dynamic knowledge graphs, specifically in a Micro-services environment for Kubernetes applications. Our approach explores three dynamic knowledge graph representations: sequential data, hierarchical data and inter-service dependency data, with each representation incorporating increasingly complex structural information of dynamic knowledge graph. Different machine learning and deep learning models are tested on these representations. We empirically analyse their performance and propose an approach based on ensemble learning of these models. Our approach significantly outperforms the baseline on the ISWC 2024 Dynamic Knowledge Graph Anomaly Detection dataset, providing a robust solution for anomaly detection in dynamic complex data.
Abstract（参考訳）: 本稿では、動的知識グラフの異常検出に対するさまざまなアプローチについて、特にKubernetesアプリケーションのためのマイクロサービス環境で検討する。提案手法では, シーケンシャルデータ, 階層データ, サービス間依存データという3つの動的知識グラフ表現について検討する。異なる機械学習モデルとディープラーニングモデルは、これらの表現でテストされる。実験的にそれらの性能を分析し,これらのモデルのアンサンブル学習に基づくアプローチを提案する。 ISWC 2024 Dynamic Knowledge Graph Anomaly Detection データセットのベースラインを著しく上回り、動的複素データにおける異常検出のための堅牢なソリューションを提供する。

関連論文リスト

Information propagation dynamics in Deep Graph Networks [1.8130068086063336]
Deep Graph Networks(DGN)は、構造化情報の処理と学習が可能なディープラーニングモデルのファミリとして登場した。この論文は、静的グラフと動的グラフのためのDGNの内部の情報伝達のダイナミクスを考察し、動的システムとしての設計に焦点をあてる。
論文参考訳（メタデータ） (2024-10-14T12:55:51Z)
Graph Attention Inference of Network Topology in Multi-Agent Systems [0.0]
本研究は,マルチエージェントシステムの将来の状態を予測するためのアテンションメカニズムを活用する,機械学習に基づく新しいソリューションを提案する。次に、注目値の強さからグラフ構造を推定する。提案したデータ駆動型グラフアテンション機械学習モデルにより,マルチエージェントシステムにおけるネットワークトポロジを同定できることを示す。
論文参考訳（メタデータ） (2024-08-27T23:58:51Z)
Anomaly Detection in Dynamic Graphs: A Comprehensive Survey [0.23020018305241333]
本稿では,動的グラフを用いた異常検出の包括的,概念的概要について述べる。既存のグラフベースの異常検出(AD)技術とその動的ネットワークへの応用に焦点を当てる。
論文参考訳（メタデータ） (2024-05-31T18:54:00Z)
Directed Acyclic Graph Structure Learning from Dynamic Graphs [44.21230819336437]
特徴(変数)の有向非巡回グラフ(DAG)の構造を推定することは、潜在データ生成プロセスを明らかにする上で重要な役割を果たす。このようなユビキタスな動的グラフデータに基づくノード特徴生成機構の学習問題について検討する。
論文参考訳（メタデータ） (2022-11-30T14:22:01Z)
A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文参考訳（メタデータ） (2022-06-17T08:32:43Z)
Anomaly Detection in Dynamic Graphs via Transformer [30.926884264054042]
DYnamic graph(TADDY)のためのトランスフォーマーを用いた新しい異常検出フレームワークを提案する。本フレームワークは,進化するグラフストリームにおいて,各ノードの構造的役割と時間的役割をよりよく表現するための包括的ノード符号化戦略を構築する。提案するTADDYフレームワークは,4つの実世界のデータセットに対して,最先端の手法よりも大きなマージンで優れている。
論文参考訳（メタデータ） (2021-06-18T02:27:19Z)
Self-supervised Graph-level Representation Learning with Local and Global Structure [71.45196938842608]
自己教師付き全グラフ表現学習のためのローカル・インスタンスとグローバル・セマンティック・ラーニング(GraphLoG)という統合フレームワークを提案する。 GraphLoGは、局所的な類似点の保存に加えて、グローバルなセマンティッククラスタをキャプチャする階層的なプロトタイプも導入している。モデル学習のための効率的なオンライン予測最大化(EM)アルゴリズムがさらに開発された。
論文参考訳（メタデータ） (2021-06-08T05:25:38Z)
TCL: Transformer-based Dynamic Graph Modelling via Contrastive Learning [87.38675639186405]
我々は,動的に進化するグラフを連続的に扱う,TCLと呼ばれる新しいグラフニューラルネットワークアプローチを提案する。我々の知る限りでは、これは動的グラフ上の表現学習にコントラスト学習を適用する最初の試みである。
論文参考訳（メタデータ） (2021-05-17T15:33:25Z)
Model-Agnostic Graph Regularization for Few-Shot Learning [60.64531995451357]
グラフ組み込み数ショット学習に関する包括的な研究を紹介します。本稿では,ラベル間のグラフ情報の組み込みによる影響をより深く理解できるグラフ正規化手法を提案する。提案手法は,Mini-ImageNetで最大2%,ImageNet-FSで6.7%の性能向上を実現する。
論文参考訳（メタデータ） (2021-02-14T05:28:13Z)
Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文参考訳（メタデータ） (2021-01-16T16:18:43Z)
Structural Landmarking and Interaction Modelling: on Resolution Dilemmas in Graph Classification [50.83222170524406]
解法ジレンマの統一概念に基づくグラフ分類における本質的難易度の研究」構造ランドマークと相互作用モデリングのためのインダクティブニューラルネットワークモデルSLIM'を提案する。
論文参考訳（メタデータ） (2020-06-29T01:01:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。