Explicabilitat de les xarxes neuronals de grafs en xarxes socials: Avaluació de mètodes i rellevància de les característiques

Identificador:  TFM:2410

Handle: https://hdl.handle.net/20.500.11797/TFM2410

Autors:  Garcia Rodriguez, Uxue

Resum:
Aquest treball analitza les capacitats predictives d'una GNN en una xarxa social i les seves posteriors habilitats explicatives. Els nodes de la xarxa es van etiquetar en funció de les característiques augmentades dels seus veïns de primer nivell. GraphSAGE i GCN es van entrenar utilitzant només les característiques augmentades i amb característiques inventades i augmentades. A continuació, es va avaluar l'explicabilitat mitjançant GNNExplainer, PGExplainer i GraphMask, i es va comparar amb la lògica de veritat bàsica utilitzant mètriques de fidelitat, infidelitat i caracterització. GNNExplainer va demostrar ser el més eficaç, alineant-se estretament amb les regles d'etiquetatge. Els resultats destaquen tant els punts forts com les limitacions d'aquests explicadors a l'hora de capturar patrons estructurals significatius a les dades del graf.