Rule-to-Data Knowledge Transfer via Optimal Transport for Weakly Supervised Anomaly Detection on Transaction Graphs
Questo articolo propone un framework di apprendimento debolmente supervisionato per il rilevamento di anomalie in grafi di transazioni che sfrutta il trasporto ottimale per allineare la semantica delle regole gerarchiche, derivate da alberi decisionali, con le rappresentazioni continue delle transazioni, generando così pseudo-etichette di alta qualità e superando i baseline esistenti su dataset benchmark.