【论文分享】异质图小样本异常检测：MetaHG：Distilling Meta Knowledge on Heterogeneous Graph for Illicit Drug Tra

• 题目：Distilling Meta Knowledge on Heterogeneous Graph for Illicit Drug Trafficker Detection on Social Media
• 链接：https://proceedings.neurips.cc/paper/2021/hash/e234e195f3789f05483378c397db1cb5-Abstract.html
• 源码：https://github.com/yyqian5/MetaHG
• 会议：NeurIPS(CCF-A)
• 时间：2021
• 摘要：在巨大利润的驱动下，贩毒犯罪(又称非法毒品交易)与现代技术共同发展，如Instagram等社交媒体成为了一个流行的营销和销售非法毒品的平台。网络贩毒活动灵活，需要采用新技术来有效发现、破坏和摧毁非法毒品交易。在本文中，我们提出了一个名为MetaHG的整体框架来自动检测社交媒体(即Instagram)上的非法毒贩，解决了以下两个新的挑战：(1)不同于现有的只专注于分析帖子内容的工作，MetaHG能够联合建模社交媒体上的多模态内容和关系结构信息来检测非法毒贩; (2)此外，通过提出的元学习技术，MetaHG解决了需要足够的数据进行模型训练的问题。更具体地说，在我们提出的MetaHG中，我们首先构建了一个异构图(HG)，以全面表征社交媒体上复杂的贩毒生态系统。然后，我们使用基于关系的图卷积神经网络学习HG上的节点(即用户)表示，其中我们引入图结构细化来补偿HG中实体之间的稀疏连接，以获得更鲁棒的节点表示学习。然后，我们提出了一种用于模型优化的元学习算法。进一步设计了一个自我监督模块和一个知识蒸馏模块，以利用未标记数据来改进模型。基于从Instagram收集的真实数据的大量实验表明，提出的Me