본 연구에서는 그래프 신경망 모델(GNN)의 일반적인 행동을 설명하기 위한 새로운 모델 수준 설명 방법인 PAGE를 제안한다.
Phase 1에서는 그래프 수준 임베딩 공간에서 클러스터링과 선택을 통해 대상 클래스를 잘 나타내는 입력 그래프 집합을 선별한다. 이는 같은 클래스의 그래프들이 그래프 수준 임베딩 공간에서 유사한 패턴을 보이기 때문이다.
Phase 2에서는 선별된 그래프 집합에서 노드 수준 임베딩을 활용하여 프로토타입 그래프를 발견한다. 이를 위해 프로토타입 점수 함수를 정의하여 노드 간 매칭 점수를 효율적으로 계산하고, 반복적인 탐색을 통해 프로토타입 그래프를 찾는다.
제안 방법 PAGE는 기존 모델 수준 설명 방법인 XGNN에 비해 해석 가능성이 높고 다양한 도메인에 일반화될 수 있다. 실험 결과, PAGE는 정성적, 정량적으로 우수한 성능을 보였으며 불완전한 데이터셋에서도 강건한 것으로 나타났다.
In eine andere Sprache
aus dem Quellinhalt
arxiv.org
Wichtige Erkenntnisse aus
by Yong-Min Shi... um arxiv.org 03-21-2024
https://arxiv.org/pdf/2210.17159.pdfTiefere Fragen