本研究では、グラフニューラルネットワーク(GNN)の意思決定プロセスを説明するためのGNNAnatomy
というビジュアルアナリティクスシステムを提案している。GNNAnatomy
は、グラフレット(基本的なグラフサブ構造)を使用して、GNNの予測とグラフレットの頻度の相関関係を分析することで、各クラスの最も重要なサブ構造を特定する。
これらの相関関係は、ユーザーが選択したグループのグラフを通して対話的に提示される。さらに、各グラフレットの重要性を検証するために、元のグラフからそのグラフレットを削除した際の分類確信度の変化を測定する。
合成データと実世界のデータセットを使った事例研究により、GNNAnatomy
の有効性と汎用性を示している。また、最先端の説明可能なGNN手法と比較することで、GNNAnatomy
の有用性を明らかにしている。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Hsiao-Ying L... at arxiv.org 09-24-2024
https://arxiv.org/pdf/2406.04548.pdfDeeper Inquiries