一种基于伪标签与多视角图学习的属性图异常检测方法

本发明公开了一种基于伪标签与多视角图学习的属性图异常检测方法，包括：使用图计算平台GraphScope框架对图结构数据进行鲁汶社区划分获取得到若干子图和它们的社区级别伪标签。利用图神经网络编码器对部分社区进行编码，将获得的嵌入分别输入至社区内自注意力模块与读出模块，获得社区内视角的表征。然后使用对比学习机制将社区内视角嵌入与社区间视角嵌入结合起来，连同子图级别分类任务共同指导模型参数的更新。输入待检测的图结构到训练完成的模型中，即可输出异常得分较高的节点。本发明与现有技术相比，解决了大规模属性图异常检测中计算量大、标签分布极度不均衡的问题。方法简便，效果好，有良好的应用前景。