G OOD D

Good-D: no gráfico não supervisionado detecção fora da distribuição

Este é o código-fonte do artigo WSDM'23 "Good-D: no gráfico não supervisionado detecção fora da distribuição".

Requisitos

Este código requer o seguinte:

• 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

Basta executar o script correspondente ao experimento e ao conjunto de dados que você deseja. Por exemplo:

• Execute a detecção fora da distribuição nos conjuntos de dados BZR (ID) e Cox2 (OOD):

 bash script/oodd_BZR+COX2.sh

• Execute a detecção de anomalias em conjuntos de dados protenas_full:

 bash script/ad_PROTEINS_full.sh

Estatística da referência de detecção de Ood no nível de gráfico

A estatística de cada par de dados em nossa referência é fornecida da seguinte forma.

	ID DATASET				Conjunto de dados OOD
Não.	Nome	# Gráfico (Trem/teste)	# Nó (Avg.)	# Borda (Avg.)	Nome	# Gráfico (Teste)	# Nó (Avg.)	# Borda (Avg.)
1	BZR	364/41	35.8	38.4	COX2	41	41.2	43.5
2	PTC-MR	309/35	14.3	14.7	Mutag	35	17.9	19.8
3	AIDS	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	Sider	784	33.6	35.4
7	Freesolv	577/65	8.7	8.4	Toxcast	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

Estatística dos conjuntos de dados de detecção de anomalias no nível gráfico

A estatística de cada conjunto de dados nos experimentos de detecção de anomalia é fornecida da seguinte forma.

Conjunto de dados	# Gráfico (Trem/teste)	# Nó (Avg.)	# Borda (Avg.)
Proteínas-cheio	360/223	39.1	72.8
Enzimas	400/120	32.6	62.1
AIDS	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

Detalhes da implementação

Hiper-parâmetros

Por uma questão de eficiência, definimos as dimensões de codificação estrutural $ d_s^{(rw)} $ e $ d_s^{(dg)} $ para $ 16 $ . Os codificadores são gins de 5 camadas com $ 16 $ dimensões ocultas. O número de dimensões das incorporações projetadas é o mesmo que das incorporações de nós. O tamanho do lote é selecionado de $ 16 $ para $ 128 $ De acordo com o tamanho do gráfico dos conjuntos de dados. O número de clusters $ K $ e parâmetro de auto-adaptação $ alpha $ são selecionados através da pesquisa de grade, com os escopos de $ {2, 3, 5, 10, 15, 20, 30} $ e $ {0, 0,2, 0,4, 0,6, 0,8, 1,0} $ , respectivamente. O modelo é treinado pelo Adam Optimizer com uma taxa de aprendizado de $ 0,0001 $ até convergir.

Infraestruturas de computação

Realizamos os experimentos em um servidor Linux com uma CPU Intel Xeon Gold 6226R e duas GPUs Tesla V100S. Implementamos nosso método com Pytorch 1.11.0 e Pytorch Geométrico 2.0.4.

Citar

Se você comparar, construir ou usar aspectos deste trabalho, cite o seguinte:

 @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}
}