Rule-to-Data Knowledge Transfer via Optimal Transport for Weakly Supervised Anomaly Detection on Transaction Graphs
Cet article propose un cadre de supervision faible pour la détection d'anomalies dans les graphes de transactions qui exploite le transport optimal pour aligner la sémantique des règles hiérarchiques, dérivées d'arbres de décision, avec les représentations continues de transactions, générant ainsi des pseudo-étiquettes de haute qualité et surpassant les bases de référence existantes sur des ensembles de données de référence.