Mitigating the Impact of Noisy Edges on Graph-Based Algorithms via Adversarial Robustness Evaluation

要約

既存のグラフ構築方法では特定のデータセットに対して完全なグラフを生成できないため、グラフベースのアルゴリズムは構築されたグラフ内に存在する冗長で誤ったエッジの影響を受けることがよくあります。
この論文では、これらのノイズの多いエッジを敵対的攻撃と見なし、グラフベースのアルゴリズムのパフォーマンスに対するノイズの多いエッジの影響を軽減するためにスペクトル敵対的ロバスト性評価方法を使用することを提案します。
私たちの方法では、ノイズの多いエッジの影響を受けにくいポイントを特定し、これらの堅牢なポイントのみを利用してグラフベースのアルゴリズムを実行します。
私たちの実験は、私たちの方法論が非常に効果的であり、最先端のノイズ除去方法を大幅に上回っていることを示しています。

要約(オリジナル)

Given that no existing graph construction method can generate a perfect graph for a given dataset, graph-based algorithms are often affected by redundant and erroneous edges present within the constructed graphs. In this paper, we view these noisy edges as adversarial attack and propose to use a spectral adversarial robustness evaluation method to mitigate the impact of noisy edges on the performance of graph-based algorithms. Our method identifies the points that are less vulnerable to noisy edges and leverages only these robust points to perform graph-based algorithms. Our experiments demonstrate that our methodology is highly effective and outperforms state-of-the-art denoising methods by a large margin.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google