الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

Good-D: على الرسم البياني غير الخاضع للإشراف على اكتشاف التوزيع

هذا هو الكود المصدري لورقة WSDM'23 "Good-D: على الرسم البياني غير الخاضع للإشراف خارج التوزيع".

متطلبات

يتطلب هذا الرمز ما يلي:

  • بيثون == 3.9
  • Pytorch == 1.11.0
  • Pytorch الهندسة == 2.0.4
  • Numpy == 1.21.2
  • Scikit-Learn == 1.0.2
  • OGB == 1.3.3
  • NetworkX == 2.7.1
  • Faiss-GPU == 1.7.2

الاستخدام

فقط قم بتشغيل البرنامج النصي المقابل للتجربة ومجموعة البيانات التي تريدها. على سبيل المثال:

  • قم بإجراء اكتشاف خارج التوزيع على مجموعات بيانات BZR (ID) و COX2 (OOD): 
 bash script/oodd_BZR+COX2.sh
  • قم بتشغيل الكشف الشاذ على مجموعات البيانات البروتينات: 
 bash script/ad_PROTEINS_full.sh

إحصائية من معيار الكشف عن مستوى الرسم البياني

يتم توفير إحصاء كل زوج من مجموعة البيانات في معيارنا على النحو التالي.

مجموعة بيانات المعرف مجموعة بيانات OOD
لا. اسم # الرسم البياني
(قطار/اختبار)		 # العقدة
(متوسط)		 # حافة
(متوسط)		 اسم # الرسم البياني
(امتحان)		 # العقدة
(متوسط)		 # حافة
(متوسط)
1 BZR 364/41 35.8 38.4 COX2 41 41.2 43.5
2 PTC-MR 309/35 14.3 14.7 موتاج 35 17.9 19.8
3 الإيدز 1800/200 15.7 16.2 DHFR 200 42.4 44.5
4 الإنزيمات 540/60 32.6 62.1 بروتين 60 39.1 72.8
5 IMDB-B 1،350/150 19.8 96.5 imdb-m 150 13.0 65.9
6 Tox21 7،047/784 18.6 19.3 سايدر 784 33.6 35.4
7 Freesolv 577/65 8.7 8.4 توكساست 65 18.8 19.3
8 BBBP 1،835/204 24.1 26.0 باس 204 34.1 36.9
9 كلينتوكس 1،329/148 26.2 27.9 Lipo 148 27.0 29.5
10 esol 1،015/113 13.3 13.7 موف 113 24.2 26.3

إحصائية لمجموعات بيانات الكشف عن الشذوذ على مستوى الرسم البياني

يتم توفير إحصاء كل مجموعة بيانات في تجارب الكشف عن الشذوذ على النحو التالي.

مجموعة البيانات # الرسم البياني
(قطار/اختبار)		 # العقدة
(متوسط)		 # حافة
(متوسط)
البروتينات-ممتلئة 360/223 39.1 72.8
الإنزيمات 400/120 32.6 62.1
الإيدز 1280/400 15.7 16.2
DHFR 368/152 42.4 44.5
BZR 69/81 35.8 38.4
COX2 81/94 41.2 43.5
DD 390/236 284.3 715.7
NCI1 1646/822 29.8 32.3
IMDB-B 400/200 19.8 96.5
reddit-b 800/400 429.6 497.8
collab 1920/1000 74.5 2457.8
HSE 423/267 16.9 17.2
MMP 6170/238 17.6 18.0
p53 8088/269 17.9 18.3
PPAR-GAMMA 219/267 17.4 17.7

تفاصيل التنفيذ

المفردات المفرطة

من أجل الكفاءة ، نضع أبعاد الترميز الهيكلي $ d_s^{(rw)} $ و $ d_s^{(dg)} $ ل 16 دولار . المشفرات هي 5 طبقات مع 16 دولار أبعاد خفية. عدد أبعاد التضمينات المتوقعة هو نفسه أي من التضمينات العقدة. يتم تحديد حجم الدُفعة من 16 دولار ل 128 دولار وفقا لحجم الرسم البياني لمجموعات البيانات. عدد المجموعات $ k $ والمعلمة التكيف الذاتي $ alpha $ يتم اختيارها من خلال البحث عن الشبكة ، مع نطاقات $ {2 ، 3 ، 5 ، 10 ، 15 ، 20 ، 30} $ و $ {0 ، 0.2 ، 0.4 ، 0.6 ، 0.8 ، 1.0} $ ، على التوالى. تم تدريب النموذج من قبل محسن آدم مع معدل تعلم من 0.0001 دولار حتى تتقارب.

البنية التحتية الحوسبة

نقوم بإجراء التجارب على خادم Linux مع وحدة المعالجة المركزية Intel Xeon Gold 6226R وقيمين Tesla V100S. نحن ننفذ طريقتنا مع Pytorch 1.11.0 و Pytorch الهندسة 2.0.4.

استشهد

إذا قارنت مع أو بناء أو استخدام جوانب من هذا العمل ، يرجى الاستشهاد بما يلي: 

 @inproceedings{liu2023goodd,
  title={GOOD-D: On Unsupervised Graph Out-Of-Distribution Detection},
  author={Liu, Yixin and Ding, Kaize and Liu, Huan and Pan, Shirui},
  booktitle={Proceedings of the Sixteenth ACM International Conference on Web Search and Data Mining},
  year={2023}
}
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل