論文の概要: Node-to-Neighborhood Semantic Consistency: Text-Topology Alignment for TAGs Anomaly Detection

• arxiv url: http://arxiv.org/abs/2606.30009v1
• Date: Mon, 29 Jun 2026 09:14:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.158972
• Title: Node-to-Neighborhood Semantic Consistency: Text-Topology Alignment for TAGs Anomaly Detection
• Title（参考訳）: Node-to-Neighhood Semantic Consistency:TAGの異常検出のためのテキストトポロジーアライメント
• Abstract要約: テキスト分散グラフ(TAG)上のグラフ異常検出(GAD)は、不正検出や学術的完全性検証などのアプリケーションには不可欠である。 既存のアプローチは一般的に2つのパラダイムに分類される。 N2NSCはグラフトポロジとテキストセマンティクスの対応を2つの相補的融合経路で捉えるフレームワークである。
• 参考スコア（独自算出の注目度）: 9.392078762663695
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Graph anomaly detection (GAD) on text-attributed graphs (TAGs) is vital for applications such as fraud detection and academic integrity verification. Existing approaches generally fall into two paradigms. GNN-based methods effectively capture structural patterns but struggle to capture fine-grained textual semantics. Methods integrating LLMs with graphs improve semantic understanding yet fail to fully comprehend topological relationships among neighboring nodes. Moreover, both paradigms overlook the correspondence between textual semantics and graph topological relationships, limiting their ability to identify nodes whose semantics are inconsistent with their neighborhoods. In this paper, we formalize TAG anomaly detection as a node-to-neighborhood semantic consistency problem, where anomalies may arise from either textual semantic mismatch or topological deviation between a node and its neighbors. We propose N2NSC (Node-to-Neighborhood Semantic Consistency), a framework that captures the correspondence between graph topology and textual semantics through two complementary fusion paths. The two pathways work synergistically, enabling the LLM to fully leverage both textual and structural neighborhood information for anomaly detection. Extensive experiments across eight datasets demonstrate that N2NSC consistently outperforms current state-of-the-art methods.
• Abstract（参考訳）: テキスト分散グラフ(TAG)上のグラフ異常検出(GAD)は、不正検出や学術的完全性検証などのアプリケーションには不可欠である。 既存のアプローチは一般的に2つのパラダイムに分類される。 GNNに基づく手法は、構造パターンを効果的に捉えるが、微細なテキストセマンティクスを捉えるのに苦労する。 LLMをグラフに統合することで意味理解が向上するが、近隣ノード間のトポロジ的関係を完全に理解できない。 さらに、両方のパラダイムは、テキスト意味論とグラフトポロジ的関係の対応を見落とし、セマンティクスが近隣と矛盾するノードを識別する能力を制限する。 本稿では,TAGの異常検出をノード間セマンティック一貫性の問題として定式化し,そこでは,テキストのセマンティックミスマッチや,ノードとその近傍のトポロジ的ずれから異常が発生する可能性がある。 N2NSC(Node-to-Neighborhood Semantic Consistency)は,グラフトポロジとテキストセマンティクスの対応を2つの相補的融合経路で捉えるフレームワークである。 2つの経路は相乗的に機能し、LLMはテキストと構造的近傍の情報を完全に活用して異常検出を行う。 8つのデータセットにわたる大規模な実験は、N2NSCが現在の最先端メソッドを一貫して上回っていることを示している。

関連論文リスト

• TERGAD: Structure-Aware Text-Enhanced Representations for Graph Anomaly Detection [15.051477921035264]
  Graph Anomaly Detection (GAD) は、ノード、エッジ、サブ構造などの非定型的なグラフエンティティを、多数派から大きく逸脱することを目的としている。 既存のテキストリッチアプローチは通常、生のテキスト機能を使って構造的コンテキストをデータ表現パイプラインに統合する。 本稿では,大規模言語モデルの意味論的推論機能を通じてGADの構造的意味論を充実させる新しいデータ拡張フレームワークであるTERGADを提案する。
  論文  参考訳（メタデータ） (2026-05-19T12:09:36Z)
• DREAM: Dual-Standard Semantic Homogeneity with Dynamic Optimization for Graph Learning with Label Noise [53.55187452152358]
  本稿では,ラベル付きグラフ上での信頼度,関係インフォームド最適化のためのDREAM(Dual-Standard Semantic Homogeneity with Dynamic Optimization)を提案する。 具体的には、グラフ内の各ラベル付きノードの信頼性を反復的に再評価するリレーショナルインフォームド動的最適化フレームワークを設計する。
  論文  参考訳（メタデータ） (2026-01-24T12:54:18Z)
• Improving LLM Reasoning with Homophily-aware Structural and Semantic Text-Attributed Graph Compression [55.51959317490934]
  大規模言語モデル(LLM)は、テキスト分散グラフ(TAG)理解において有望な能力を示している。 グラフは本来、構造情報や意味情報を豊富に含むものであり、それらの有効利用はLLMの推論性能の潜在的な利益を解放する可能性があると論じる。 グラフホモフィリーの活用を目的としたフレームワーク LLMs (HS2C) のホモフィリー対応構造とセマンティック圧縮を提案する。
  論文  参考訳（メタデータ） (2026-01-13T03:35:18Z)
• GeoGNN: Quantifying and Mitigating Semantic Drift in Text-Attributed Graphs [59.61242815508687]
  テキスト分散グラフ(TAG)上のグラフニューラルネットワーク(GNN)は、事前訓練された言語モデル(PLM)を使用してノードテキストを符号化し、これらの埋め込みを線形近傍アグリゲーションを通じて伝播する。 本研究は,意味的ドリフトの度合いを計測する局所PCAベースの計量を導入し,異なる凝集機構が多様体構造にどのように影響するかを解析するための最初の定量的枠組みを提供する。
  論文  参考訳（メタデータ） (2025-11-12T06:48:43Z)
• Graph Alignment via Dual-Pass Spectral Encoding and Latent Space Communication [31.43539830271355]
  本稿では,ノードの特異性を同時に強化し,潜在空間間の幾何的整合性を実現する新しいグラフアライメントフレームワークを提案する。 提案手法では,低域通過スペクトルフィルタと高域通過スペクトルフィルタを組み合わせたデュアルパスエンコーダを導入し,構造認識と高判別の両方が可能な埋め込みを生成する。
  論文  参考訳（メタデータ） (2025-09-11T16:36:16Z)
• Court of LLMs: Evidence-Augmented Generation via Multi-LLM Collaboration for Text-Attributed Graph Anomaly Detection [21.810411783179593]
  大きな言語モデル(LLM)は、強力なセマンティック理解と推論能力のために、有望な代替手段として登場した。 本稿では,LLMとグラフニューラルネットワーク(GNN)を組み合わせた新たなフレームワークであるCoLLを提案する。
  論文  参考訳（メタデータ） (2025-08-01T10:36:39Z)
• RAGFormer: Learning Semantic Attributes and Topological Structure for Fraud Detection [8.050935113945428]
  本稿では,transFormer(RAGFormer)を用いたRelation-Aware GNNという新しいフレームワークを提案する。 RAGFormerはセマンティック機能とトポロジ機能の両方をターゲットノードに埋め込む。 単純なネットワークはセマンティックエンコーダ、トポロジーエンコーダ、アテンション融合モジュールで構成される。
  論文  参考訳（メタデータ） (2024-02-27T12:53:15Z)
• EntailE: Introducing Textual Entailment in Commonsense Knowledge Graph Completion [54.12709176438264]
  Commonsense knowledge graph(CSKG)は、名前付きエンティティ、短いフレーズ、イベントをノードとして表現するために自由形式のテキストを使用する。 現在の手法では意味的類似性を利用してグラフ密度を増大させるが、ノードとその関係のセマンティックな妥当性は未探索である。 そこで本研究では,CSKGノード間の暗黙的な包絡関係を見つけるために,テキストエンテーメントを導入し,同じ概念クラス内のサブグラフ接続ノードを効果的に密度化することを提案する。
  論文  参考訳（メタデータ） (2024-02-15T02:27:23Z)
• Disambiguated Node Classification with Graph Neural Networks [38.36377750801999]
  下記のグラフ領域は不規則なホモフィリー/ヘテロフィリーパターンと多様な近隣階級の分布を示し、曖昧さをもたらす。 これらの少数地域はしばしば不規則なホモフィリー/ヘテロフィリーパターンと多様な近隣階級の分布を示し、曖昧さをもたらす。 本研究では,GNNにおけるあいまいさ問題,表現学習への影響,及びこの問題に対処するためのよりリッチな監視信号の開発について検討する。
  論文  参考訳（メタデータ） (2024-02-13T22:07:57Z)
• BOURNE: Bootstrapped Self-supervised Learning Framework for Unified Graph Anomaly Detection [50.26074811655596]
  自己指導型自己学習(BOURNE)に基づく新しい統合グラフ異常検出フレームワークを提案する。 ノードとエッジ間のコンテキスト埋め込みを交換することで、ノードとエッジの異常を相互に検出できる。 BOURNEは、負のサンプリングを必要としないため、大きなグラフを扱う際の効率を高めることができる。
  論文  参考訳（メタデータ） (2023-07-28T00:44:57Z)
• 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)

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。