연구진은 텍스트-토폴로지 그래프(TAGs)의 이상 탐지를 위해 노드-이웃 의미 일관성(N2NSC) 프레임워크를 제안했어요. 기존 방법은 구조적 패턴이나 텍스트 의미, 또는 토폴로지 관계를 제대로 반영하지 못하는 한계가 있었어요.
N2NSC는 텍스트 의미 불일치 또는 이웃과의 토폴로지 편차를 통해 이상을 탐지하며, 텍스트와 구조적 정보를 융합하는 두 가지 경로를 활용해요.
8개 데이터셋 실험 결과, N2NSC는 기존 최고 성능 모델보다 우수한 성능을 보였어요.