В данной статье рассматривается задача обнаружения аномалий на графах с текстовыми атрибутами (TAG) путем формализации её как проблемы семантической согласованности между узлом и его окрестностью, где аномалии возникают из-за несоответствия между текстовой семантикой и топологическими связями. Авторы предлагают N2NSC — фреймворк, использующий два дополнительных пути слияния для выравнивания топологии графа с текстовой семантикой, что позволяет большим языковым моделям (LLM) использовать как структурную, так и текстовую информацию окрестности.
- Формализует обнаружение аномалий в TAG как проблему семантической согласованности узел-окрестность, включающую текстовое несоответствие или топологическое отклонение.
- Представляет N2NSC — фреймворк, использующий два синергетических пути слияния для выявления соответствия между топологией графа и текстовой семантикой.
- Позволяет большим языковым моделям в полной мере использовать как текстовую, так и структурную информацию окрестности для улучшения обнаружения аномалий.
- Демонстрирует стабильное превосходство над текущими методами уровня state-of-the-art на восьми наборах данных.
Предложенный подход помогает пользователям выявлять узлы с несогласованной семантикой относительно их окрестностей, устраняя ограничения существующих методов на основе GNN и интегрированных LLM, которые игнорируют соответствие между текстом и топологией.