刻画图元素的影响
机器学习
2023-01-27 v2
摘要
影响函数是一种来自稳健统计的方法，用于衡量模型参数或关于模型参数的某些函数在移除或修改训练样本时的变化。它是一种高效且有用的事后方法，用于研究机器学习模型的可解释性，而无需昂贵的模型重训练。近来，在图数据上运行的图卷积网络（GCNs）引起了大量关注。然而，此前没有关于 GCNs 影响函数的研究来阐明从输入图中移除训练节点/边的影响。由于在 GCNs 中图中的节点/边是相互依赖的，推导 GCNs 的影响函数具有挑战性。为填补这一空白，我们从在属性图上运行的简单图卷积（SGC）模型入手，并 formulated 一个影响函数来近似当从属性图中移除节点或边时模型参数的变化。此外，我们从理论上分析了移除一条边的估计影响的误差界。我们通过实验验证了我们的影响估计函数的准确性和有效性。此外，我们展示了 SGC 模型的影响函数可用于估计移除训练节点/边对 SGC 测试性能的影响，而无需重训练模型。最后，我们演示了如何使用影响函数来有效地指导对 GCNs 的对抗攻击。
引用
@article{arxiv.2210.07441,
title = {Characterizing the Influence of Graph Elements},
author = {Zizhang Chen and Peizhao Li and Hongfu Liu and Pengyu Hong},
journal= {arXiv preprint arXiv:2210.07441},
year = {2023}
}