迈向图神经网络的分析
软件工程
2022-01-04 v1 机器学习
摘要
图神经网络（GNNs）近来已成为图结构数据的稳健框架。它们已被应用于许多问题，如知识图分析、社交网络推荐，乃至 Covid19 检测与疫苗研发。然而，不同于前馈神经网络（FFNNs）等其他深度神经网络，极少存在诸如验证与性质推断的分析，这可能是由于 GNNs 的动态行为所致——GNNs 可取任意图作为输入，而 FFNNs 仅取固定大小数值向量作为输入。本文提出一种通过将 GNNs 转换为 FFNNs 并复用现有 FFNNs 分析方法来分析 GNNs 的途径。我们讨论了确保转换可扩展性与准确性的多种设计。我们在节点分类的案例研究中阐释了我们的方法。我们相信该方法为理解与分析 GNNs 开辟了新研究方向。
引用
@article{arxiv.2201.00115,
title = {Toward the Analysis of Graph Neural Networks},
author = {Thanh-Dat Nguyen and Thanh Le-Cong and ThanhVu H. Nguyen and Xuan-Bach D. Le and Quyet-Thang Huynh},
journal= {arXiv preprint arXiv:2201.00115},
year = {2022}
}
备注
Accepted to ICSE 2022, NIER track