論文の概要: Text Meets Topology: Rethinking Out-of-distribution Detection in Text-Rich Networks

• arxiv url: http://arxiv.org/abs/2508.17690v2
• Date: Tue, 02 Sep 2025 11:53:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-03 14:24:52.687782
• Title: Text Meets Topology: Rethinking Out-of-distribution Detection in Text-Rich Networks
• Title（参考訳）: Text Meets Topology: Text-Rich Networksにおけるアウト・オブ・ディストリビューション検出の再考
• Authors: Danny Wang, Ruihong Qiu, Guangdong Bai, Zi Huang,
• Abstract要約: テキスト・オブ・ディストリビューション(OOD)検出はテキスト・リッチ・ネットワークにおいて依然として困難であり、テキスト・フィーチャとトポロジ的構造が交わる。 多様なOODシナリオにおける検出を評価するためのTextTopoOODフレームワークを紹介した。 また,テキストaNdトポロジー間の複雑な相互作用をモデル化するTNT-OODを提案する。1)ノードレベルのテキスト表現に局所構造を融合する新しいクロスアテンションモジュール,2)ノード固有の変換パラメータを生成するHyperNetwork。
• 参考スコア（独自算出の注目度）: 40.16812361254501
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Out-of-distribution (OOD) detection remains challenging in text-rich networks, where textual features intertwine with topological structures. Existing methods primarily address label shifts or rudimentary domain-based splits, overlooking the intricate textual-structural diversity. For example, in social networks, where users represent nodes with textual features (name, bio) while edges indicate friendship status, OOD may stem from the distinct language patterns between bot and normal users. To address this gap, we introduce the TextTopoOOD framework for evaluating detection across diverse OOD scenarios: (1) attribute-level shifts via text augmentations and embedding perturbations; (2) structural shifts through edge rewiring and semantic connections; (3) thematically-guided label shifts; and (4) domain-based divisions. Furthermore, we propose TNT-OOD to model the complex interplay between Text aNd Topology using: 1) a novel cross-attention module to fuse local structure into node-level text representations, and 2) a HyperNetwork to generate node-specific transformation parameters. This aligns topological and semantic features of ID nodes, enhancing ID/OOD distinction across structural and textual shifts. Experiments on 11 datasets across four OOD scenarios demonstrate the nuanced challenge of TextTopoOOD for evaluating OOD detection in text-rich networks.
• Abstract（参考訳）: テキスト・オブ・ディストリビューション(OOD)検出はテキスト・リッチ・ネットワークにおいて依然として困難であり、テキスト・フィーチャはトポロジカルな構造を持つ。 既存の手法は主にラベルシフトや初歩的なドメインベースの分割に対処し、複雑なテキスト-構造的多様性を見越す。 例えば、ユーザーがテキストの特徴(名前、生物)を持つノードを表現し、エッジが友情のステータスを示すソーシャルネットワークでは、OODはボットと通常のユーザーの間で異なる言語パターンに由来する可能性がある。 このギャップに対処するために,(1)テキスト拡張と埋め込みによる属性レベルシフト,(2)エッジリウィリングとセマンティック接続による構造シフト,(3)数学的に誘導されたラベルシフト,(4)ドメインベースの分割など,様々なOODシナリオにおける検出を評価するためのTextTopoOODフレームワークを紹介した。 さらに,テキストaNdトポロジー間の複雑な相互作用をモデル化するTNT-OODを提案する。 1) 局所構造をノードレベルのテキスト表現に融合する新規なクロスアテンションモジュール 2) ノード固有の変換パラメータを生成するHyperNetwork。 これにより、IDノードのトポロジ的およびセマンティックな特徴が一致し、構造的およびテキスト的シフト間でID/OODの区別が強化される。 4つのOODシナリオにわたる11のデータセットの実験は、テキストリッチネットワークにおけるOOD検出を評価するためのTextTopoOODの難題を実証している。

関連論文リスト

• Threads of Subtlety: Detecting Machine-Generated Texts Through Discourse Motifs [19.073560504913356]
  人造テキストと機械生成テキストの境界線は、ますますぼやけつつある。 本稿は,人間によって書かれたテキストにおいて,識別可能な言語的特徴と独特な言語的特性を識別する調査について述べる。
  論文  参考訳（メタデータ） (2024-02-16T11:20:30Z)
• TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
  Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。 分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
  論文  参考訳（メタデータ） (2023-06-06T03:37:41Z)
• TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
  外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。 まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。 次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
  論文  参考訳（メタデータ） (2022-06-15T02:33:10Z)
• Heterformer: Transformer-based Deep Node Representation Learning on Heterogeneous Text-Rich Networks [29.33447325640058]
  Heterformerは、コンテキスト化されたテキストエンコーディングと、統一されたモデルでヘテロジニアスな構造エンコーディングを実行する。 我々は3つの大規模データセット上で3つのタスク(リンク予測、ノード分類、ノードクラスタリング)について包括的な実験を行う。
  論文  参考訳（メタデータ） (2022-05-20T16:26:39Z)
• SwinTextSpotter: Scene Text Spotting via Better Synergy between Text Detection and Text Recognition [73.61592015908353]
  本稿では,SwinTextSpotter と呼ばれるシーンテキストスポッティングフレームワークを提案する。 動的頭部を検出器とするトランスを用いて、2つのタスクを新しい認識変換機構で統一する。 この設計は、追加の修正モジュールも文字レベルのアノテーションも必要としない簡潔なフレームワークをもたらす。
  論文  参考訳（メタデータ） (2022-03-19T01:14:42Z)
• Text Perceptron: Towards End-to-End Arbitrary-Shaped Text Spotting [49.768327669098674]
  テキストパーセプトロン(Text Perceptron)という,エンドツーエンドのトレーニング可能なテキストスポッティング手法を提案する。 まず、テキスト読解順序と境界情報を学ぶ効率的なセグメンテーションベースのテキスト検出器を用いる。 次に、検出された特徴領域を正規形態に変換するために、新しい形状変換モジュール(STM)を設計する。
  論文  参考訳（メタデータ） (2020-02-17T08:07:19Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。