GRExplainer: 時系列グラフニューラルネットワークの普遍的な説明手法

この論文は、動的グラフ分析にますます使用されている時系列グラフニューラルネットワーク（TGNN）における説明可能性の重要な必要性に対処しています。提案されたGRExplainerメソッドは、普遍的で効率的、かつユーザーフレンドリーなアプローチを提供することにより、既存の説明可能性手法の限界に対処しています。汎用性（さまざまなTGNNタイプをサポート）、効率性（計算コストの削減）、およびユーザーフレンドリーさ（自動説明生成）に焦点を当てていることは、この分野への重要な貢献です。現実世界のデータセットでの実験的検証とベースラインとの比較は、論文の影響をさらに強めています。

• •TGNNの説明のための新しい手法であるGRExplainerを提案。
• •GRExplainerは、普遍的で効率的、かつユーザーフレンドリーになるように設計されています。
• •既存の説明可能性手法の限界に対処しています。
• •説明のためにノードシーケンスとRNNベースの生成モデルを採用。
• •現実世界のデータセットで優れたパフォーマンスを発揮。