In diesem Artikel wird ein neuer Ansatz zur Berechnung des knotenbasierten Einflusses in Graphen vorgestellt. Anstatt eine feste Definition des Knoteneinflusses zu verwenden, fokussieren sich die Autoren auf eine aufgabenspezifische Berechnung des Einflusses basierend auf der Entfernung eines Knotens.
Der Kern der Methode ist es, ein trainiertes GNN-Modell als Ersatzmodell zu verwenden, um die Auswirkungen der Knotenentfernung auf die Vorhersagen zu simulieren. Um den Einfluss aller Knoten effizient zu berechnen, schlagen die Autoren den NORA-Algorithmus vor. NORA nutzt Gradienten, um den Einfluss jedes Knotens durch eine einzige Vorwärts- und Rückwärtspropagation zu approximieren.
Die Autoren zerlegen den Einfluss in drei Komponenten: 1) das Verschwinden der Knotenrepräsentation, 2) die Änderung der Aggregationsterme und 3) die Ausbreitung des Einflusses auf Nachbarknoten. Für jede Komponente entwickeln sie eine effiziente Approximation basierend auf Gradienten und Heuristiken.
Umfangreiche Experimente auf sechs Datensätzen und mit sechs GNN-Modellen zeigen, dass NORA die Baselines deutlich übertrifft und gleichzeitig sehr effizient ist. Im Vergleich zur brute-force-Methode, die bis zu 41 Stunden benötigt, kann NORA den Einfluss aller Knoten in weniger als einer Minute berechnen.
Para Outro Idioma
do conteúdo original
arxiv.org
Principais Insights Extraídos De
by Weikai Li,Zh... às arxiv.org 03-14-2024
https://arxiv.org/pdf/2403.08333.pdfPerguntas Mais Profundas