TERGAD: Framework di Rilevamento Anomalie nei Grafi Basato su LLM
I ricercatori propongono TERGAD, un innovativo framework di data augmentation che utilizza Large Language Models (LLM) per migliorare il rilevamento di anomalie nei grafi, traducendo le proprietà topologiche a livello di nodo in narrazioni in linguaggio naturale. L'approccio supera le limitazioni dei metodi esistenti basati su testo che trascurano il contesto strutturale, consentendo di rilevare anomalie derivanti da incongruenze tra il contenuto del nodo e il suo ruolo topologico. Il framework è descritto nell'articolo arXiv 2605.19738.
Fatti principali
- TERGAD sta per Structure-aware Text-enhanced Representations for Graph Anomaly Detection
- Utilizza LLM per generare narrazioni descrittive a partire dalla topologia dei nodi
- Supera le limitazioni dei metodi GAD esistenti basati su testo
- Rileva anomalie da incongruenze contenuto-topologia
- Pubblicato su arXiv con ID 2605.19738
- Il tipo di annuncio è cross
- Si concentra su nodi, archi o sottostrutture che deviano dalla maggioranza
- Nuovo framework di data augmentation per GAD
Entità
Istituzioni
- arXiv