Εντοπισμός ανωμαλιών σε δυναμικά γραφήματα με χρήση μεθόδων βαθιάς μηχανικής μάθησης
Loading...
Date
2024-12-16
Authors
Κατσέρης, Νικόλαος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η τεχνητή νοημοσύνη και η μηχανική μάθηση αποτελούν πλέον τεχνολογίες αιχμής με ευρεία εφαρμογή στην καθημερινότητα. Ένας σημαντικός τομέας εφαρμογής τους είναι τα δυναμικά γραφήματα, τα οποία αποτυπώνουν σχέσεις μεταξύ οντοτήτων σε διαφορετικά χρονικά σημεία, με σκοπό την ανίχνευση ανωμαλιών, δηλαδή την αναγνώριση ασυνήθιστων προτύπων που αποκλίνουν από τους αναμενόμενους κανόνες. Η παρούσα εργασία εξετάζει τη χρήση του μοντέλου DyGED και των παραλλαγών του (DyGED-CT, DyGED-NL, DyGED-NA) για την ανίχνευση γεγονότων σε δυναμικά γραφήματα, αξιοποιώντας τόσο χρονικά όσο και δομικά χαρακτηριστικά. Αρχικά, τα μοντέλα αναλύονται και εκτελούνται σε συγκεκριμένα σύνολα δεδομένων που βασίζονται στις προτεινόμενες βάσεις των δημιουργών της πρότυπης υλοποίησης του DyGED, όπως αυτές αναφέρονται στο GitHub του έργου. Στη συνέχεια, αξιολογούνται σε δυναμικά δεδομένα που δημιουργήθηκαν μέσω της βιβλιοθήκης RDyn, για να διερευνηθεί η απόδοσή τους σε συνθήκες εξελισσόμενης δομής και ανωμαλιών, όπως οι συγχωνεύσεις και οι διαχωρισμοί κοινοτήτων. Η ανάλυση των αποτελεσμάτων με βάση τις μετρικές AUC Score και F1 Score δείχνει ότι το αρχικό μοντέλο DyGED κατατάσσεται σταθερά μεταξύ των δύο καλύτερων μοντέλων σε όλες τις περιπτώσεις, ξεχωρίζοντας για την αξιοπιστία και τη σταθερότητά του σε σύγκριση με τις παραλλαγές του. Παρά την καλή απόδοση των παραλλαγών, το βασικό μοντέλο αναδεικνύεται ως η πιο αξιόπιστη επιλογή στην ανίχνευση γεγονότων σε δυναμικά γραφήματα.
Description
Keywords
Τεχνητή νοημοσύνη, Μηχανική μάθηση, Δυναμικά γραφήματα, Εντοπισμός ανωμαλιών