サブグラフ・コンセプト・ネットワーク：グラフ分類におけるコンセプト・レベル

Abstract

グラフニューラルネットワークの推論プロセスは複雑で不透明だと考えられており、その予測に対する信頼が制限されています。この問題を緩和するために、これまでの研究ではモデルのノード埋め込み内のクラスタから抽出した概念に基づく説明（concept-based explanations）が提案されてきました。しかし、概念に基づく説明の限界は、それがノード埋め込み空間のみを説明するものであり、グラフ分類におけるプーリングによって隠れてしまう点にあります。この問題を軽減し、より深い理解を提供するために、私たちはサブグラフ概念ネットワーク（Subgraph Concept Network）を提案します。サブグラフ概念ネットワークは、サブグラフとグラフレベルの概念を蒸留することを行う最初のグラフニューラルネットワークのアーキテクチャです。これは、ノード概念埋め込みに対してソフトクラスタリングを行い、サブグラフおよびグラフレベルの概念を導出することで実現します。実験結果は、サブグラフ概念ネットワークが競争力のあるモデル精度を得られるだけでなく、ネットワークの異なるレベルで意味のある概念を発見できることを示しています。