基于深度強化學(xué)習(xí)的異常學(xué)術(shù)引用檢測

摘要： 現(xiàn)有高效識別異常引用的算法存在無法充分利用已知的標(biāo)簽信息或偽標(biāo)簽導(dǎo)致訓(xùn)練過程惡化等問題。為此提出一種融合深度強化學(xué)習(xí)和圖神經(jīng)網(wǎng)絡(luò)技術(shù)的異常檢測方法RACD。異常檢測智能體可有效提取作者節(jié)點的異常引用特征；異常感知環(huán)境建模驅(qū)動智能體充分學(xué)習(xí)已標(biāo)注數(shù)據(jù)中的異常特點，發(fā)現(xiàn)未標(biāo)注數(shù)據(jù)中的潛在異常。通過智能體與環(huán)境的不斷交互，獲得最優(yōu)的引用異常檢測策略。在真實數(shù)據(jù)集上進(jìn)行實驗，其結(jié)果表明... （共7頁）