Este artículo aborda la detección de anomalías en grafos atribuidos con texto al formalizarla como un problema de consistencia semántica nodo-vecindario, donde las anomalías surgen de discrepancias entre la semántica textual y las relaciones topológicas. Los autores proponen N2NSC, un marco que utiliza dos caminos de fusión complementarios para alinear la topología del grafo con la semántica textual, permitiendo que los modelos de lenguaje grandes aprovechen tanto la información estructural como la textual del vecindario.
- Formaliza la detección de anomalías en TAGs como un problema de consistencia semántica nodo-vecindario que implica discrepancia textual o desviación topológica.
- Introduce N2NSC, un marco que utiliza dos caminos de fusión sinérgicos para capturar la correspondencia entre la topología del grafo y la semántica textual.
- Permite que los modelos de lenguaje grandes aprovechen plenamente tanto la información textual como estructural del vecindario para mejorar la detección de anomalías.
- Demuestra un rendimiento consistentemente superior a los métodos actuales más avanzados en ocho conjuntos de datos.
El enfoque propuesto ayuda a los usuarios a identificar nodos con semántica inconsistente en relación con sus vecindarios, abordando limitaciones en los métodos existentes basados en GNN e integrados con LLM que pasan por alto la correspondencia entre texto y topología.