【IJCAI2025教程】深度图异常检测

主要观点总结

本文介绍了关于图异常检测的基础与前沿内容，包括即将在加拿大蒙特利尔召开的IJCAI会议的相关情况。文章重点介绍了深度图异常检测（DLGAD）的重要性、挑战、应用以及教程内容。教程将帮助读者了解并掌握图异常检测的基础与前沿知识，包括DLGAD的方法论设计、未来研究方向等。

关键观点总结

关键观点1: IJCAI会议信息

IJCAI是中国计算机学会推荐的A类国际学术会议，将于2025年在加拿大蒙特利尔召开，本次会议共有5404篇投稿，录用率为19.3%。

关键观点2: 深度图异常检测（DLGAD）介绍

DLGAD旨在识别图中的稀有观测点，是近年来在多个应用领域如虚假评论检测、恶意行为检测等受到关注的重要技术。然而，由于图结构的复杂性，传统方法无法直接应用于图数据。

关键观点3: 教程内容

教程将系统性介绍专门为图异常检测设计的深度学习方法，包括DLGAD的关键概念、分类体系、方法论设计、未来研究方向等。受众将能够了解该领域并掌握不同类别的前沿DLGAD方法的核心直觉、基本假设、目标函数、优点与不足。

关键观点4: 教程大纲

教程包括开场部分、GNN主干设计、代理任务设计、图异常度量、总结部分等内容，将帮助研究者深入理解图异常检测领域，并推动高质量研究和真实应用的落地。

关键观点5: 数据来源与推荐

数据派THU作为数据科学类公众号，推荐读者关注该教程并了解图异常检测领域的前沿研究动态。