Message-passing selection: Towards interpretable GNNs for graph classification

要約

この論文では、さまざまな GNN のベースラインにすぐに適用できるプラグ アンド プレイ スキームとして機能する、MSInterpreter と呼ばれる、解釈可能な GNN の推論パラダイムの開発に努めます。
ほとんどの既存の説明方法とは異なり、MSInterpreter は、GNN のメッセージ集約のクリティカル パスを選択するためのメッセージパッシング選択スキーム (MSScheme) を提供します。これは、事後的な説明ではなく自己説明に到達することを目的としています。
詳細には、精巧な MSScheme は、バニラ構造とノード埋め込みコンポーネントを考慮して、メッセージ集約パスの重み係数を計算するように設計されています。構造ベースは、ノードによって引き起こされる下部構造間の重み係数を目的としています。
一方、ノード埋め込みベースは、1 層 GNN によって取得されたノード埋め込みを介した重み係数に焦点を当てます。最後に、グラフ分類ベンチマークに対するアプローチの有効性を実証します。

要約(オリジナル)

In this paper, we strive to develop an interpretable GNNs’ inference paradigm, termed MSInterpreter, which can serve as a plug-and-play scheme readily applicable to various GNNs’ baselines. Unlike the most existing explanation methods, MSInterpreter provides a Message-passing Selection scheme(MSScheme) to select the critical paths for GNNs’ message aggregations, which aims at reaching the self-explaination instead of post-hoc explanations. In detail, the elaborate MSScheme is designed to calculate weight factors of message aggregation paths by considering the vanilla structure and node embedding components, where the structure base aims at weight factors among node-induced substructures; on the other hand, the node embedding base focuses on weight factors via node embeddings obtained by one-layer GNN.Finally, we demonstrate the effectiveness of our approach on graph classification benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google