基于深度強(qiáng)化學(xué)習(xí)的異常學(xué)術(shù)引用檢測(cè)

摘要： 現(xiàn)有高效識(shí)別異常引用的算法存在無(wú)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(guò)程惡化等問(wèn)題。為此提出一種融合深度強(qiáng)化學(xué)習(xí)和圖神經(jīng)網(wǎng)絡(luò)技術(shù)的異常檢測(cè)方法RACD。異常檢測(cè)智能體可有效提取作者節(jié)點(diǎn)的異常引用特征；異常感知環(huán)境建模驅(qū)動(dòng)智能體充分學(xué)習(xí)已標(biāo)注數(shù)據(jù)中的異常特點(diǎn)，發(fā)現(xiàn)未標(biāo)注數(shù)據(jù)中的潛在異常。通過(guò)智能體與環(huán)境的不斷交互，獲得最優(yōu)的引用異常檢測(cè)策略。在真實(shí)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，其結(jié)果表明... （共7頁(yè)）