利用 CorGIE 将图与其嵌入对应以可视化图神经网络
机器学习
2025-07-08 v2 人机交互
摘要
图神经网络（GNNs）是一类强大的机器学习工具，通过建模节点关系来对节点或连边进行预测。GNN 开发者依赖预测的定量指标来评估 GNN，但类似于许多其他神经网络，他们难以理解 GNN 是否如预期那样真正学到了图的特征。我们提出一种将输入图与其节点嵌入（亦称隐空间）相对应的方法，节点嵌入是 GNNs 的通用组件，随后被用于预测。我们对数据与任务进行抽象，并开发了一个名为 CorGIE 的交互式多视图界面来实现该抽象。作为 CorGIE 的关键功能，我们提出 K-hop 图布局以展示跳数范围内的拓扑邻居及其聚类结构。为评估 CorGIE 的功能性与可用性，我们展示了在两个使用场景中如何使用 CorGIE，并与五位 GNN 专家开展了案例研究。
引用
@article{arxiv.2106.12839,
title = {Visualizing Graph Neural Networks with CorGIE: Corresponding a Graph to Its Embedding},
author = {Zipeng Liu and Yang Wang and Jürgen Bernard and Tamara Munzner},
journal= {arXiv preprint arXiv:2106.12839},
year = {2025}
}