Core Concepts
그래프 신경망의 의사결정 과정을 이해하기 위해서는 설명 가능성 프레임워크가 필요하다. 기존의 충실도 측정 지표들은 분포 변화에 취약하므로, 이를 해결하기 위한 새로운 강건한 충실도 측정 지표를 제안한다.
Abstract
이 논문은 그래프 신경망의 설명 가능성을 평가하기 위한 새로운 충실도 측정 지표를 제안한다.
그래프 신경망의 의사결정 과정을 이해하기 위해서는 설명 가능성 프레임워크가 필요하다. 설명 함수는 입력 그래프에 대해 '충분한 통계량' 하위 그래프를 출력한다.
기존의 충실도 측정 지표인 Fid+, Fid-, Fid∆는 하위 그래프 제거 시 발생하는 분포 변화 문제로 인해 한계가 있다.
정보 이론 기반의 새로운 설명 가능성 정의를 제시하고, 이를 기반으로 한 강건한 충실도 측정 지표 Fidα1,+, Fidα2,-, Fidα1,α2,∆를 제안한다.
제안된 지표는 분포 변화 문제에 강인하며, 다양한 시나리오에서 적용 가능하다.
합성 및 실제 데이터셋에 대한 실험 결과, 제안된 지표가 기존 지표보다 금표준 지표와 더 잘 부합함을 보인다.
Stats
그래프 G의 설명 부분 Ψ(G)의 크기 |Ψ(G)|는 전체 그래프 크기 |G|에 비해 매우 작다.
정확도가 낮은 분류기의 경우 Fidα1,α2,∆ ≥ -ϵ - P(Ac) - 1 - P(B') - P(A)/(1-ϵ)((1-p+pmaxPY(y))+1-(1/(k+1))δ) + P(A)(1-2(k^2)/(2n^2))((1/(k+1))δ)p.
Quotes
"그래프 신경망의 의사결정 과정을 이해하기 위해서는 설명 가능성 프레임워크가 필요하다."
"기존의 충실도 측정 지표는 분포 변화 문제로 인해 한계가 있다."
"제안된 강건한 충실도 측정 지표는 분포 변화 문제에 강인하며, 다양한 시나리오에서 적용 가능하다."