تشخیص ناهنجاری در گراف پویا با استفاده از الگوریتم های یادگیری ماشین

گرافهای حجیم امروزی در بس یاری از حوزهها مانند شبکه های اجتماعی و کامپیوتری ، بیوانفورماتیک ، امور مالی و بانکی ، بهداشت و امنیت در حال تکامل بوده و در واقع گرافهای پویا را محقق می سازند. تشخیص ناهنجاری های ساختاری در گراف، مانند رئوس و یالها یی که رفتار آنها با رفتار اکثر یت جامعه تفاوت است در دنیای واقعی دارای اهمیت بسیار زیادی می باشد. اخرا،ی تعبیه گرافی یک روش کارا برای یادگیری گرافی و نمایش آنها با ابعاد کمتر است . با این حال، اکثر این روشها برای گرافهای ایستا طراحی شدهاند و ممکن است برای محیط های پویا که در آن نما یش گرافی دائما به روزرسانی می شود، مناسب نباشند. در این مقاله ، ضمن بررسی کارهای مرتبط قبلی در زمینه تشخیص ناهنجاری در گرافهای پویا، یک مدل شبکه عصبی گرافی مکانی -زمانی برای تشخیص یالهای ناهنجار در گرافهای پویا معرفی می شود که علاوه بر توصیف مدل پیشنهادی ، به تشریح ابزارها و کتابخانه های موجود، مجموعه دادهها، معیارهای ارزیابی و روشهای مرجع برای مقایسه نیز پرداخته شده است .

کلیدواژه ها:

تشخیص ناهنجاری ، یادگیری ماشین ، گراف پویا ، یادگیری عمیق ، تشخیص ناهنجاری گرافی .