[8B]グラフ学習

13:50 〜 14:15

[8B-02] 量子ビット表現を用いた進化アルゴリズムによる時間グラフニューラルネットワークの説明手法

*三谷 真裕¹、佐々木 勇和¹ (1. 大阪大学)

発表者区分：学生
論文種別：ロングペーパー
インタラクティブ発表：あり

キーワード：

XAI、グラフ深層学習、リンク予測

時間グラフニューラルネットワーク (TGNN) はその内部の推論プロセスがブラックボックスとなっており，医療や金融等の予測結果の根拠を説明する必要がある分野での利用が制限される原因となっている．そのためモデルの予測根拠を明確に説明する手法が求められている．TGNN における主流な説明方法は予測に寄与する最小限のサブグラフを特定して提示することであり，これは組合せ最適化問題として考えることができる．多くの既存手法ではグラフサイズに応じて計算時間が増大する．この問題を解決するため，本研究では量子ビット表現を用いた進化アルゴリズムを用いた新たな説明手法を提案する．具体的には，量子ビット表現を用いたサンプリング確率の更新とグラフの構造情報を活用したサンプリング順の決定により，予測精度が最大となる効果的なサブグラフを抽出する．評価実験より，提案手法は最先端手法と比較してリンク予測の説明に関する評価指標を31%向上させ，実行時間を92%削減することを示す．