ExplaiNE：一种解释基于网络嵌入的链接预测的方法
机器学习
2019-04-30 v1 机器学习
摘要
网络是强大的数据结构，但对于传统的机器学习方法而言难以处理。网络嵌入（Network Embedding, NE）方法试图通过学习节点的向量表示来解决这一问题，以供后续的下游机器学习任务使用。链接预测（Link Prediction, LP）正是这样一种下游机器学习任务，它是 NE 方法的重要用例和流行基准。遗憾的是，尽管 NE 方法在此任务上表现极为出色，但与更简单的 LP 方法相比，它们缺乏透明度。我们提出了 ExplaiNE，一种通过识别网络中可解释预测链接的已有链接，为基于 NE 的 LP 方法提供反事实解释的方法。ExplaiNE 适用于广泛的一类 NE 算法。针对 NE 方法“条件网络嵌入（Conditional Network Embedding）”的广泛实证评估尤其证明了其准确性与可扩展性。
引用
@article{arxiv.1904.12694,
title = {ExplaiNE: An Approach for Explaining Network Embedding-based Link Predictions},
author = {Bo Kang and Jefrey Lijffijt and Tijl De Bie},
journal= {arXiv preprint arXiv:1904.12694},
year = {2019}
}