safe-graph/graph-fraud-detection-papers

解决的问题

该项目解决了跟上使用基于图和Transformer的方法进行欺诈、异常和离群点检测的快速发展的研究挑战。它将大量学术论文和相关资源组织成一个可搜索的集合，使研究人员和从业者能够快速找到相关工作，而无需搜索多个来源。

工作原理

该仓库是一个按年份和类别分组的论文结构化列表。它有专门的部分用于LLM/Transformer论文和深度学习图论文（按年份排序），以及非深度学习图论文、工具箱、数据集、综述和其他资源的部分。每个条目包括论文标题、发表地点、论文链接，通常还有代码链接。此外，该项目提供了一个交互式仪表板，用于浏览、筛选和搜索论文，以及一个本地基于RAG的LLM聊天机器人，预加载了超过250篇论文，以支持深入研究。

适用人群

欺诈和异常检测研究人员、数据科学家、机器学习工程师和学生，他们希望跟上学术文献的最新进展，并希望快速访问该领域的论文、代码和数据集。它也对任何构建需要检测图结构数据中欺诈或异常行为的系统的人有用。

亮点

• 精选的基于图和Transformer的论文列表，用于欺诈、异常和离群点检测。
• 涵盖LLM/Transformer方法、深度学习图方法、非深度学习方法、工具箱、数据集和综述的部分。
• 每个论文条目包括论文链接，通常还有代码链接。
• 交互式仪表板，用于查看、筛选和搜索论文。
• 本地基于RAG的LLM聊天机器人（"paper_chatbot"），包含250篇可公开访问的论文，用于深入研究。