Buchumschlag

DeNoise: Learning Robust Graph Representations for Unsupervised Graph-Level Anomaly Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Qingfeng, Zeng, Haojin, Jie, Jingyi, Zhang, Shichao, Cheng, Debo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Fair Graph Representations with Multi-view Information Bottleneck
von: Liu, Chuxun, et al.
Veröffentlicht: (2025)

Towards Fair Graph Representation Learning in Social Networks
von: Zhang, Guixian, et al.
Veröffentlicht: (2024)

Noise-Resilient Unsupervised Graph Representation Learning via Multi-Hop Feature Quality Estimation
von: Li, Shiyuan, et al.
Veröffentlicht: (2024)

FANFOLD: Graph Normalizing Flows-driven Asymmetric Network for Unsupervised Graph-Level Anomaly Detection
von: Cao, Rui, et al.
Veröffentlicht: (2024)

Unsupervised Graph Anomaly Detection via Multi-Hypersphere Heterophilic Graph Learning
von: Ni, Hang, et al.
Veröffentlicht: (2025)

Guarding Graph Neural Networks for Unsupervised Graph Anomaly Detection
von: Bei, Yuanchen, et al.
Veröffentlicht: (2024)

GLADMamba: Unsupervised Graph-Level Anomaly Detection Powered by Selective State Space Model
von: Fu, Yali, et al.
Veröffentlicht: (2025)

Towards Automated Self-Supervised Learning for Truly Unsupervised Graph Anomaly Detection
von: Li, Zhong, et al.
Veröffentlicht: (2025)

FreeGAD: A Training-Free yet Effective Approach for Graph Anomaly Detection
von: Zhao, Yunfeng, et al.
Veröffentlicht: (2025)

Graph Evidential Learning for Anomaly Detection
von: Wei, Chunyu, et al.
Veröffentlicht: (2025)

Meta-Learning Based Few-Shot Graph-Level Anomaly Detection
von: Li, Liting, et al.
Veröffentlicht: (2025)

Imbalanced Graph-Level Anomaly Detection via Counterfactual Augmentation and Feature Learning
von: Wang, Zitong, et al.
Veröffentlicht: (2024)

Unsupervised Anomaly Detection for Tabular Data Using Noise Evaluation
von: Dai, Wei, et al.
Veröffentlicht: (2024)

Graph Propagation Transformer for Graph Representation Learning
von: Chen, Zhe, et al.
Veröffentlicht: (2023)

Enhancing Fairness in Autoencoders for Node-Level Graph Anomaly Detection
von: Wang, Shouju, et al.
Veröffentlicht: (2025)

Online Detection of Anomalies in Temporal Knowledge Graphs with Interpretability
von: Zhang, Jiasheng, et al.
Veröffentlicht: (2024)

CVTGAD: Simplified Transformer with Cross-View Attention for Unsupervised Graph-level Anomaly Detection
von: Li, Jindong, et al.
Veröffentlicht: (2024)

Generative Dynamic Graph Representation Learning for Conspiracy Spoofing Detection
von: Xiang, Sheng, et al.
Veröffentlicht: (2025)

TA-GGAD: Testing-time Adaptive Graph Model for Generalist Graph Anomaly Detection
von: Zhang, Xiong, et al.
Veröffentlicht: (2026)

Interpretable Graph-Level Anomaly Detection via Contrast with Normal Prototypes
von: Zhao, Qiuran, et al.
Veröffentlicht: (2026)

HeteroMILE: a Multi-Level Graph Representation Learning Framework for Heterogeneous Graphs
von: Zhang, Yue, et al.
Veröffentlicht: (2024)

OCSVM-Guided Representation Learning for Unsupervised Anomaly Detection
von: Pinon, Nicolas, et al.
Veröffentlicht: (2025)

Scalable Context-Aware Graph Attention for Unsupervised Anomaly Detection in Large-Scale Mobile Networks
von: Malacarne, Sara, et al.
Veröffentlicht: (2026)

Rayleigh Quotient Graph Neural Networks for Graph-level Anomaly Detection
von: Dong, Xiangyu, et al.
Veröffentlicht: (2023)

Impact of Inaccurate Contamination Ratio on Robust Unsupervised Anomaly Detection
von: Masakuna, Jordan F., et al.
Veröffentlicht: (2024)

EAGLE: Contrastive Learning for Efficient Graph Anomaly Detection
von: Ren, Jing, et al.
Veröffentlicht: (2025)

SE-VGAE: Unsupervised Disentangled Representation Learning for Interpretable Architectural Layout Design Graph Generation
von: Chen, Jielin, et al.
Veröffentlicht: (2024)

Detecting Anomalies in Dynamic Graphs via Memory enhanced Normality
von: Liu, Jie, et al.
Veröffentlicht: (2024)

Ripple Knowledge Graph Convolutional Networks For Recommendation Systems
von: Li, Chen, et al.
Veröffentlicht: (2023)

Disentangled Representation Learning for Causal Inference with Instruments
von: Cheng, Debo, et al.
Veröffentlicht: (2024)

Multi-Scale Adaptive Neighborhood Awareness Transformer For Graph Fraud Detection
von: Lv, Jiaqi, et al.
Veröffentlicht: (2026)

Label-based Graph Augmentation with Metapath for Graph Anomaly Detection
von: Kim, Hwan, et al.
Veröffentlicht: (2023)

Graph Enhanced Trajectory Anomaly Detection
von: Mbuya, Jonathan Kabala, et al.
Veröffentlicht: (2025)

Learning Divergence Fields for Shift-Robust Graph Representations
von: Wu, Qitian, et al.
Veröffentlicht: (2024)

AnomalyGFM: Graph Foundation Model for Zero/Few-shot Anomaly Detection
von: Qiao, Hezhe, et al.
Veröffentlicht: (2025)

Unsupervised Surrogate Anomaly Detection
von: Klüttermann, Simon, et al.
Veröffentlicht: (2025)

kNN-Graph: An adaptive graph model for $k$-nearest neighbors
von: Li, Jiaye, et al.
Veröffentlicht: (2026)

Bridging Large Language Models and Graph Structure Learning Models for Robust Representation Learning
von: Su, Guangxin, et al.
Veröffentlicht: (2024)

Alleviating Structural Distribution Shift in Graph Anomaly Detection
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

DDGAD: Trajectory Dynamics for Diffusion-Based Graph Anomaly Detection
von: Yang, Yuxin, et al.
Veröffentlicht: (2026)