コンセプトグラフ畳み込み：コンセプト空間におけるメッセージパッシング
arXiv cs.LG / 2026/4/23
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、GNNの予測への信頼が理由（推論）が見えにくいことにより制約されており、従来の概念ベース説明ではメッセージパッシングの過程を十分に説明できないと主張しています。
- その解決として、Concept Graph Convolution（コンセプトグラフ畳み込み）を提案し、ノードのレベルで扱うコンセプトに基づいて計算することで解釈可能性を高める新しいグラフ畳み込みを提示しています。
- この畳み込み層は、生の表現と概念表現の組み合わせに対してメッセージパッシングを行い、構造に基づくエッジ重みと注意（attention）に基づくエッジ重みを用いる点が特徴です。
- また、概念空間のみに作用してメッセージパッシングを行う「純粋（pure）版」の畳み込みも提案しています。
- 実験結果から、Concept Graph Convolutionは競争力のあるタスク精度を維持しつつ、畳み込みステップをまたいだ概念の変化をより深く観察できることが示されています。
