GRAPH / ANOMALY
GADBench
NeurIPS 2023
Supervised Graph Anomaly Detection
10 个真实图异常检测数据集与 29 类模型。
10真实数据集
29对比模型
监督学习异常节点检测
01 / RESEARCH OVERVIEW
评测问题
在统一条件下比较静态图中的监督异常节点检测方法,同时观察大规模图上的效率。

02 / RESEARCH OVERVIEW
评测设计
覆盖 10 个真实数据集与 29 种模型,数据规模从数千到约 600 万节点。比较传统算法、树模型及面向异常检测设计的图神经网络。
03 / RESEARCH OVERVIEW
研究发现
简单邻域聚合结合树集成方法可以超过论文所比较的部分先进 GNN。研究强调强基线和统一实验设置对判断模型进展的重要性。
研究介绍与结果据论文原文 ↗整理;实验结论对应原文中的模型、数据与协议。
浏览全部 17 项 Benchmark ↗