图异常检测近期进展 图异常检测是一种重要的数据挖掘技术，它旨在识别图中不寻常的节点或边。近期，该领域的研究取得了显著进展，以下是一些关键进展。 RINSE：零样本图异常检测新方法 原文标题：RINSE是一种基于图神经网络的零样本图异常检测方法，它通过学习图的结构和模式来识别异常。该方法在多个数据集上进行了测试，结果显示其准确率达到了92%。 JPGFN图异常检测方法提出 原文标题：JPGFN是一种基于深度学习的图异常检测方法，它通过引入图卷积网络来增强特征提取能力。实验表明，JPGFN在图异常检测任务中取得了优于传统方法的性能。 TERGAD：结构感知文本增强的图异常检测框架 原文标题：TERGAD是一种结合了文本和图结构信息的异常检测框架，它通过文本增强来提高图异常检测的准确性。在公开数据集上的实验结果表明，TERGAD的准确率达到了88%。 当前焦点与观察点 图异常检测的研究正在不断深入，研究者们正在探索如何更有效地利用图结构和文本信息来提高检测的准确性。同时，如何将图异常检测技术应用于实际场景，如网络安全、社交网络分析等领域，也是当前研究的热点。