本研究では、グラフ分類タスクにおいて、GNNの予測に必要な最小限のサブグラフを見つける手法を提案している。
具体的には以下の2つの課題に取り組む:
提案手法では、強化学習を用いてサブグラフを見つける方策を学習する。報酬関数には、コンフォーマル予測に基づいて分類器の不確実性を考慮している。
9つのグラフ分類データセットで評価した結果、提案手法は既存手法と同等の性能を達成しつつ、大幅にスパースなサブグラフを利用していることが示された。これにより、GNNの予測に必要な情報が最小限に抑えられ、解釈性が向上することが確認された。
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Pablo Sanche... في arxiv.org 04-19-2024
https://arxiv.org/pdf/2404.12356.pdfاستفسارات أعمق