pygod
v1.1.0
Pygodは、グラフの外れ値検出（異常検出）のためのPythonライブラリです。このエキサイティングで挑戦的な分野には、ソーシャルネットワーク[1]およびセキュリティシステム[2]での疑わしい活動を検出する多くの重要なアプリケーションがあります。
Pygodには、10以上のグラフ外れの検出アルゴリズムが含まれています。一貫性とアクセシビリティのために、PygodはPytorch Geometric（Pyg）とPytorchの上に開発され、PyodのAPI設計に従います。 5行でPygodを使用した外れ値を検出するための以下の例を参照してください！
Pygodは次のように紹介されています：
5行のコードを使用したPygodを使用した外れ値検出：
# train a dominant detector
from pygod . detector import DOMINANT
model = DOMINANT ( num_layers = 4 , epoch = 20 ) # hyperparameters can be set here
model . fit ( train_data ) # input data is a PyG data object
# get outlier scores on the training data (transductive setting)
score = model . decision_score_
# predict labels and scores on the testing data (inductive setting)
pred , score = model . predict ( test_data , return_score = True )Pygodを引用：
当社のソフトウェアペーパーとベンチマークペーパーは公開されています。科学出版物でPygodまたはBondを使用する場合、次の論文の引用に感謝します。
@article {jmlr：v25：23-0963、
著者= {Kay LiuとYingtong DouとXueying DingとXiyang HuとRuitong ZhangとHao PengとLichao Sun and Philip S. Yu}
title = {{pygod}：グラフの外れ値検出}の{python}ライブラリ}、
Journal = {Journal of Machine Learning Research}、
年= {2024}、
volume = {25}、
番号= {141}、
ページ= {1-9}、
url = {http://jmlr.org/papers/v25/23-0963.html}
}
@inproceedings {neurips2022_acc1ec4a、
著者= {Liu、Kay and Dou、YingtongとZhao、Yue and Ding、XueyingとHu、Xiyang and Zhang、RuitongとDing、KaizeとChen、CanyuとPeng、HaoとShu、KaiとSun、Lichao、Li、Li、JundongとChen、George H、Jia、Zhihao、Yu、
booktitle = {神経情報処理システムの進歩}、
編集者= {S. KoyejoとS. MohamedとA. AgarwalとD. BelgraveとK. Cho and A. Oh}、
ページ= {27021--27035}、
Publisher = {Curran Associates、Inc。}、
title = {{bond}：監視されていない外れ値ノード検出のベンチマーク静的属性グラフ}、
url = {https://proceedings.neurips.cc/paper_files/paper/2022/file/acc1ec4a9c780006c9aafd595104816b-paper-datasets_and_benchmarks.pdf}、
volume = {35}、
年= {2022}
}
または：
Liu、K.、Dou、Y.、Ding、X.、Hu、X.、Zhang、R.、Peng、H.、Sun、L。およびYu、PS、2024。Pygod：グラフの外れ値検出用のPythonライブラリ。 Journal of Machine Learning Research、25（141）、pp.1-9。 Liu、K.、Dou、Y.、Zhao、Y.、Ding、X.、Hu、X.、Zhang、R.、Ding、K.、Chen、C.、Peng、H.、Shu、K.、Sun、L.、Li、J.、Chen、Gh、Jia、Z。、およびYu、Ps、2022。神経情報処理システムの進歩、35、pp.27021-27035。
PygおよびPytorchのインストールに関する注意：Pygodは、TorchおよびTorch_Geometric（オプションの依存関係を含む）に依存します。インストールを合理化するために、Pygodはこれらのライブラリをインストールしません。 Pygodを実行するために上記のリンクからそれらをインストールしてください：
インストールにPIPを使用することをお勧めします。 Pygodが頻繁に更新されるため、最新バージョンがインストールされていることを確認してください。
pip install pygod # normal install
pip install --upgrade pygod # or update if neededまたは、set.pyファイルをクローンして実行することもできます。
git clone https://github.com/pygod-team/pygod.git
cd pygod
pip install .必要な依存関係：
「ブリッツはじめに」は、支配的な検出器を使用したPygodの基本的なAPIを示しています。他のすべてのアルゴリズムのAPIは一貫性がある/類似していることに注意してください。
完全なAPIリファレンス：（ https://docs.pygod.org）。すべての検出器のAPIチートシート：
適合検出器の重要な属性：
PYGODの入力：PYGデータオブジェクトを渡してください。 PYGデータ処理の例を参照してください。
| abbr | 年 | バックボーン | サンプリング | ref |
|---|---|---|---|---|
| スキャン | 2007年 | クラスタリング | いいえ | [3] |
| ゲ | 2016年 | GNN+AE | はい | [4] |
| レーダー | 2017年 | MF | いいえ | [5] |
| 異常 | 2018年 | MF | いいえ | [6] |
| 1つ | 2019年 | MF | いいえ | [7] |
| 支配的な | 2019年 | GNN+AE | はい | [8] |
| 終わり | 2020 | MLP+AE | はい | [9] |
| アドーン | 2020 | MLP+AE | はい | [9] |
| 異常 | 2020 | GNN+AE | はい | [10] |
| ガーン | 2020 | ガン | はい | [11] |
| DMGD | 2020 | GNN+AE | はい | [12] |
| ocgnn | 2021 | GNN | はい | [13] |
| コーラ | 2021 | GNN+AE+SSL | はい | [14] |
| ガイド | 2021 | GNN+AE | はい | [15] |
| コナド | 2022 | GNN+AE+SSL | はい | [16] |
| gadnr | 2024 | GNN+AE | はい | [17] |
| カード | 2024 | GNN+SSL+AE | はい | [18] |
このエキサイティングなプロジェクトに貢献できます。
詳細については、貢献ガイドを参照してください。
Pygodは、UIC、IIT、Buaa、ASU、CMUの研究者による素晴らしいチームの努力です。私たちのコアチームメンバーは次のとおりです。
Kay Liu（UIC）、Yingtong Dou（UIC）、Yue Zhao（CMU）、Xueying Ding（CMU）、Xiyang Hu（CMU）、Ruitong Zhang（Buaa）、Kaize Ding（ASU）、Canyu Chen（IIT）、
発行報告書を送信するか、[email protected]にメールを送信して連絡してください。
| [1] | Dou、Y.、Liu、Z.、Sun、L.、Deng、Y.、Peng、H。およびYu、PS、2020、10月。カモフラージュ詐欺に対するグラフニューラルネットワークベースの詐欺検出器の強化。第29回ACM国際情報管理に関する国際会議（CIKM）の議事録。 |
| [2] | Cai、L.、Chen、Z.、Luo、C.、Gui、J.、Ni、J.、Li、D。およびChen、H.、2021、10月。動的グラフでの異常検出のための構造時間グラフニューラルネットワーク。情報＆ナレッジマネジメントに関する第30回国際会議（CIKM）の議事録。 |
| [3] | Xu、X.、Yuruk、N.、Feng、Z。およびSchweiger、Ta、2007年8月。スキャン：ネットワークの構造クラスタリングアルゴリズム。知識発見とデータマイニングに関する第13回ACM SIGKDD国際会議（KDD）の議事録。 |
| [4] | KIPF、TNおよびWELLING、M.、2016。変異グラフ自動エンコーダー。 arxiv preprint arxiv：1611.07308。 |
| [5] | Li、J.、Dani、H.、Hu、X。、Liu、H.、2017、August。レーダー：属性ネットワークにおける異常検出の残差分析。人工知能に関する第26回国際共同会議（IJCAI）の議事録。 |
| [6] | Peng、Z.、Luo、M.、Li、J.、Liu、H。およびZheng、Q.、2018、7月。異常：属性ネットワーク上の異常検出のための共同モデリングアプローチ。人工知能に関する第27回国際合同会議（IJCAI）の議事録。 |
| [7] | Bandyopadhyay、S.、Lokesh、N。and Murty、MN、2019、7月。属性ネットワークのための外れ値の認識ネットワーク埋め込み。人工知能に関するAAAI会議（AAAI）の議事録。 |
| [8] | Ding、K.、Li、J.、Bhanushali、R。and Liu、H.、2019、5月。属性ネットワーク上の深い異常検出。データマイニングに関するSIAM国際会議（SDM）の議事録。 |
| [9] | （1、2） Bandyopadhyay、S.、Vivek、SV、Murty、MN、2020、1月。属性ネットワーク埋め込みのための外れ値の耐性のない深いアーキテクチャ。 Web検索およびデータマイニングに関する国際会議（WSDM）の議事録。 |
| [10] | ファン、H。、Zhang、F。およびLi、Z.、2020、5月。異常：属性ネットワーク上の異常検出のためのデュアルオートエンコーダー。音響、音声、信号処理に関するIEEE国際会議（ICASSP）の議事録。 |
| [11] | Chen、Z.、Liu、B.、Wang、M.、Dai、P.、Lv、J.、Bo、L.、2020、10月。生成的敵対的なネットワーク異常検出。第29回ACM国際情報管理に関する国際会議（CIKM）の議事録。 |
| [12] | Bandyopadhyay、S.、Vishal Vivek、S。およびMurty、MN、2020。Multiclassグラフの説明を介したネットワーク埋め込みとコミュニティの外れ値検出の統合。人工知能と用途のフロンティア（FAIA）。 |
| [13] | Wang、X.、Jin、B.、Du、Y.、Cui、P.、Tan、Y.、Yang、Y.、2021。1つのクラスグラフニューラルネットワークの属性ネットワークにおける異常検出のためのニューラルネットワーク。ニューラルコンピューティングとアプリケーション。 |
| [14] | Liu、Y.、Li、Z.、Pan、S.、Gong、C.、Zhou、C。、およびKarypis、G.、2021。ContrastiveSelf-Supervised Learningを介した属性ネットワークの異常検出。ニューラルネットワークおよび学習システム（TNNLS）に関するIEEEトランザクション。 |
| [15] | Yuan、X.、Zhou、N.、Yu、S.、Huang、H.、Chen、Z。およびXia、F.、2021、12月。属性ネットワーク上の高次構造ベースの異常検出。 2021年、ビッグデータに関するIEEE国際会議（ビッグデータ）。 |
| [16] | Xu、Z.、Huang、X.、Zhao、Y.、Dong、Y.、およびLi、J.、2022。対照的な属性ネットワーク異常検出によるデータ増強。知識発見とデータマイニングに関する第26回太平洋アジア会議（PAKDD）の議事録。 |
| [17] | Roy、A.、Shu、J.、Li、J.、Yang、C.、Elshocht、O.、Smeets、J. and Li、P.、2024。Gad-nr：近隣の再建によるグラフの異常検出。 Web検索およびデータマイニングに関する第17回ACM国際会議（WSDM）の議事録。 |
| [18] | Wang Y.、Wang X.、He C.、Chen X.、Luo Z.、Duan L.、Zuo J.、2024。高度なアプリケーション用のデータベースシステム（DASFAA）。 |
