G OOD D

Good-D: en detección de gráficos no supervisado fuera de distribución

Este es el código fuente del documento WSDM'23 "Good-D: en detección de gráficos no supervisado fuera de distribución".

Requisitos

Este código requiere lo siguiente:

• Python == 3.9
• Pytorch == 1.11.0
• Pytorch geométrico == 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

Uso

Simplemente ejecute el script correspondiente al experimento y el conjunto de datos que desee. Por ejemplo:

• Ejecutar la detección Out-Distribution en conjuntos de datos BZR (ID) y COX2 (OOD):

 bash script/oodd_BZR+COX2.sh

• Ejecute la detección de anomalías en los conjuntos de datos de proteínas_full:

 bash script/ad_PROTEINS_full.sh

Estadística de referencia de detección OOD a nivel gráfico

La estadística de cada par de conjuntos de datos en nuestro punto de referencia se proporciona de la siguiente manera.

	Conjunto de datos de identificación				Conjunto de datos OOD
No.	Nombre	# Gráfico (Tren/prueba)	# Nodo (AVG.)	# Borde (AVG.)	Nombre	# Gráfico (Prueba)	# Nodo (AVG.)	# Borde (AVG.)
1	Bzr	364/41	35.8	38.4	COX2	41	41.2	43.5
2	PTC-MR	309/35	14.3	14.7	Muesca	35	17.9	19.8
3	SIDA	1.800/200	15.7	16.2	DHFR	200	42.4	44.5
4	Enzimas	540/60	32.6	62.1	PROTEÍNA	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	Sidere	784	33.6	35.4
7	Freesolv	577/65	8.7	8.4	Tacastado	65	18.8	19.3
8	Bbbp	1,835/204	24.1	26.0	Bace	204	34.1	36.9
9	Clintox	1.329/148	26.2	27.9	Lipo	148	27.0	29.5
10	Esol	1.015/113	13.3	13.7	Muv	113	24.2	26.3

Estadística de conjuntos de datos de detección de anomalías a nivel gráfico

La estadística de cada conjunto de datos en los experimentos de detección de anomalías se proporciona de la siguiente manera.

Conjunto de datos	# Gráfico (Tren/prueba)	# Nodo (AVG.)	# Borde (AVG.)
Proteínas llenas	360/223	39.1	72.8
Enzimas	400/120	32.6	62.1
SIDA	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
Colaboración	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
Gamma	219/267	17.4	17.7

Detalles de implementación

Hiperparametros

En aras de la eficiencia, establecemos las dimensiones de codificación estructural $ d_s^{(rw)} $ y $ d_s^{(dg)} $ a $ 16 $ . Los codificadores son ginebras de 5 capas con $ 16 $ Dimensiones ocultas. El número de dimensiones de los incrustaciones proyectadas es el mismo que de cuál de los incrustaciones de nodos. El tamaño de lote se selecciona de $ 16 $ a $ 128 $ De acuerdo con el tamaño del gráfico de los conjuntos de datos. El número de grupos $ K $ y parámetro de autoadaptividad $ alfa $ se seleccionan a través de la búsqueda de cuadrícula, con los ámbitos de $ {2, 3, 5, 10, 15, 20, 30} $ y $ {0, 0.2, 0.4, 0.6, 0.8, 1.0} $ , respectivamente. El modelo está entrenado por Adam Optimizer con una tasa de aprendizaje de $ 0.0001 $ hasta que convergir.

Infraestructuras informáticas

Realizamos los experimentos en un servidor de Linux con una CPU Intel Xeon Gold 6226R y dos GPU TESLA V100S. Implementamos nuestro método con Pytorch 1.11.0 y Pytorch geométrico 2.0.4.

Citar

Si compara, se desarrolla o usa aspectos de este trabajo, cite lo siguiente:

 @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}
}