RekomGNN：图神经网络推荐的可视化、情境化与评估
人机交互
2023-10-19 v1
摘要
内容推荐任务日益使用图神经网络，但机器学习专家仍难以评估其输出质量。可用于此类探查的 GNN 可视化系统寥寥无几。此外，现有系统主要聚焦于暴露 GNN 架构以进行调参与预测任务，并未解决推荐任务的挑战。我们开发了 RekomGNN，一个视觉分析系统，支持机器学习专家跨多个维度探索 GNN 推荐并就其质量进行标注。RekomGNN 在神经网络与推荐系统可视化之间跨越设计空间，得出一组面向推荐任务的编码与交互选择。我们发现 RekomGNN 有助于专家对 GNN 结果做出定性评估，并可用于模型精炼。总体而言，我们的贡献与发现增进了对日益复杂任务中 GNN 可视化的理解。
引用
@article{arxiv.2310.11562,
title = {RekomGNN: Visualizing, Contextualizing and Evaluating Graph Neural Networks Recommendations},
author = {Camelia D. Brumar and Gabriel Appleby and Jen Rogers and Teddy Matinde and Lara Thompson and Remco Chang and Anamaria Crisan},
journal= {arXiv preprint arXiv:2310.11562},
year = {2023}
}