基于深度強化學習的異常學術引用檢測

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簽信息或偽標簽導致訓練過程惡化等問題。為此提出一種融合深度強化學習和圖神經網絡技術的異常檢測方法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)境建模驅動智能體充分學習已標注數(shù)據(jù)中的異常特點，發(fā)現(xiàn)未標注數(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)集上進行實驗，其結果表明...