Pang (Pattern-Based Anomaly Detection in Graphs) is an algorithm which represents and classifies a collection of graphs according to their frequent patterns (subgraphs). The detail of this algorithm are described in the below article. This work was conducted in the framework of the DeCoMaP ANR project (Detection of corruption in public procurement markets — ANR-19-CE38-0004).
- URL: https://github.com/CompNet/Pang
- Production date: 2022–2024
- Related publications:
- Lucas Potin, Rosa Figueiredo, Vincent Labatut et Christine Largeron. « Pattern
Mining for Anomaly Detection in Graphs : Application to Fraud in Public Procurement
». In : Joint European Conference on Machine Learning and Knowledge Discovery
in Databases (ECML-PKDD). T. 14174. Lecture Notes in Computer Science. Turin,
IT : Springer, 2023, p. 69-87. DOI: 10.1007/978-3-031-43427-3_5. ⟨hal-04131485⟩ (cite this article if you use the software) - Lucas Potin, Rosa Figueiredo, Vincent Labatut et Christine Largeron. « Découverte
de connaissances et apprentissage dans les données graphes : Application aux
marchés publics français ». In : Atelier PFIA Découverte de Connaissances et Apprentissage
dans les Données Graphes (DECADE). Strasbourg, FR, 2023. DECADE ⟨hal-04154490⟩ - Lucas Potin, Rosa Figueiredo, Vincent Labatut et Christine Largeron. « Utilisation
de graphes pour la détection de corruption dans les marchés publics ». In : 24ème
Congrès Annuel de la Société Française de Recherche Opérationnelle et d’Aide à la Décision
(ROADEF). Rennes, FR, 2023. ROADEF ⟨hal-03994098⟩
- Lucas Potin, Rosa Figueiredo, Vincent Labatut et Christine Largeron. « Pattern