南京大学PASA大数据实验室论文被数据挖掘顶级会议KDD 2025录用

近日，南京大学PASA大数据实验室在图异常检测方向的论文“AffinityTune: A Prompt-Tuning Framework for Few-Shot Anomaly Detection on Graphs”被数据挖掘顶会、CCF-A类会议KDD 2025录用。本文针对弱监督场景下的图异常检测问题，设计了一种基于提示微调的图异常检测方法。实验结果表明，所提出的方法在多个数据集上明显优于已有方法。论文作者来自南京大学PASA大数据实验室，主要工作由PASA大数据实验室研究生陈景岩完成，论文指导教师为朱光辉研究员。

KDD 2025会议的全称为31st SIGKDD Conference on Knowledge Discovery and Data Mining，是由ACM主办的国际数据挖掘领域最顶级会议，同时被CCF（中国计算机学会）列为A类会议。其将于2025年8月3日至8月7日在加拿大多伦多召开。本次会议共收到1988份投稿，录用率为18.4%。

异常检测是一个在具有广泛应用场景的方向，而现实场景中往往只有少量标注样本，属于弱监督学习问题。本工作借鉴了图基础模型中预训练+下游任务微调的学习范式，针对弱监督场景下预训练知识迁移困难的问题，提出了一种基于提示微调（Prompt Tuning）的图异常检测方法，首先对于预训练任务与下游任务，设计了统一的基于亲合度判断的任务模板；其次在预训练阶段构建了多粒度无监督学习任务，从全局到局部多个层次挖掘异常模式，在微调阶段，通过创新的提示策略，实现了预训练知识的有效迁移与融合。