G OOD D

Good-D：監視されていないグラフでの分散除外検出

これは、WSDM'23 Paper「Good-D：監視なしのグラフでの分布検出」のソースコードです。

要件

このコードには次のものが必要です。

• python == 3.9
• pytorch == 1.11.0
• Pytorch Geometric == 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

使用法

必要な実験とデータセットに対応するスクリプトを実行するだけです。例えば：

• BZR（ID）およびCOX2（OOD）データセットでの分散式検出を実行：

 bash script/oodd_BZR+COX2.sh

• タンパク質で異常検出を実行します_Fullデータセット：

 bash script/ad_PROTEINS_full.sh

グラフレベルのOOD検出ベンチマークの統計

ベンチマーク内の各データセットペアの統計は、次のように提供されます。

	IDデータセット				OODデータセット
いいえ。	名前	＃グラフ （トレーニング/テスト）	＃ノード （平均）	＃ 角 （平均）	名前	＃グラフ （テスト）	＃ノード （平均）	＃ 角 （平均）
1	BZR	364/41	35.8	38.4	cox2	41	41.2	43.5
2	PTC-MR	309/35	14.3	14.7	ミュータグ	35	17.9	19.8
3	エイズ	1,800/200	15.7	16.2	DHFR	200	42.4	44.5
4	酵素	540/60	32.6	62.1	タンパク質	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	サイダー	784	33.6	35.4
7	Freesolv	577/65	8.7	8.4	トックスキャスト	65	18.8	19.3
8	BBBP	1,835/204	24.1	26.0	bace	204	34.1	36.9
9	クリントックス	1,329/148	26.2	27.9	リポ	148	27.0	29.5
10	エソール	1,015/113	13.3	13.7	MUV	113	24.2	26.3

グラフレベルの異常検出データセットの統計

異常検出実験の各データセットの統計は、次のように提供されます。

データセット	＃グラフ （トレーニング/テスト）	＃ノード （平均）	＃ 角 （平均）
タンパク質がいっぱい	360/223	39.1	72.8
酵素	400/120	32.6	62.1
エイズ	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
コラボ	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

実装の詳細

ハイパーパラメーター

効率のために、構造エンコードの寸法を設定します $ d_s^{（rw）} $そして $ d_s^{（dg）} $に $ 16 $ 。エンコーダーは5層のジンです $ 16 $隠された寸法。投影された埋め込みの寸法の数は、ノード埋め込みのどれと同じです。バッチサイズはから選択されます $ 16 $に $ 128 $データセットのグラフサイズに応じて。クラスターの数 $ k $および自己適応性パラメーター $ alpha $グリッド検索を通じて選択され、スコープがあります $ {2、3、5、10、15、20、30} $そして $ {0、0.2、0.4、0.6、0.8、1.0} $ 、 それぞれ。モデルは、学習率でAdam Optimizerによってトレーニングされています $ 0.0001 $収束するまで。

コンピューティングインフラストラクチャ

Intel Xeon Gold 6226R CPUと2つのTesla V100S GPUを備えたLinuxサーバーで実験を実施します。 Pytorch 1.11.0およびPytorch Geometric 2.0.4でメソッドを実装します。

引用

この作業の側面と比較、構築、または使用する場合は、以下を引用してください。

 @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}
}