Explicabilidad de redes neuronales de grafos en redes sociales: Evaluación de métodos y relevancia de características

Identificador:  TFM:2410

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

Autores:  Garcia Rodriguez, Uxue

Resumen:
Este trabajo analiza las capacidades predictivas de una GNN en una red social y sus posteriores habilidades explicativas. Los nodos de la red se etiquetaron en función de las características aumentadas de sus vecinos de primer nivel. GraphSAGE y GCN se entrenaron utilizando únicamente las características aumentadas y también características inventadas y aumentadas. Posteriormente, se evaluó la explicabilidad mediante GNNExplainer, PGExplainer y GraphMask, y se comparó con la lógica de referencia utilizando métricas de fidelidad, infidelidad y caracterización. GNNExplainer demostró ser el más eficaz, alineándose estrechamente con las reglas de etiquetado. Los resultados resaltan tanto las fortalezas como las limitaciones de estos explicadores para capturar patrones estructurales significativos en los datos del grafo.