論文の概要: What Does It Mean to Remove an Edge? Intervention-Aware Fidelity for Graph Neural Network Explanations

• arxiv url: http://arxiv.org/abs/2611.04751v1
• Date: Tue, 03 Nov 2026 12:05:39 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:35:46.463726
• Title: What Does It Mean to Remove an Edge? Intervention-Aware Fidelity for Graph Neural Network Explanations
• Title（参考訳）: エッジを除去する意味は何か? グラフニューラルネットワーク説明のための干渉認識忠実度
• Abstract要約: 「エッジの削除」は特別な介入を規定しない。 削除の忠実さの意味は、モデルの計算において介入が対象とするものに依存する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Graph neural network explanations are often evaluated via deletion fidelity, i.e., by deleting their top-ranked edges and measuring the resulting change in model output. Yet, in a message-passing GNN, "deleting an edge" does not specify a unique intervention. Structural deletion removes the edge from the graph and recomputes quantities such as degree normalization and attention, whereas message suppression leaves this structural context intact while blocking the message carried by the edge. The meaning of deletion fidelity therefore depends on what the intervention targets in the model computation. We formalize this distinction and derive sufficient conditions for exact equivalence. The two interventions coincide for additive message passing with edge-set-independent coefficients, but can diverge when aggregation depends on the presence of zero messages or when removing an edge changes the coefficients applied to surviving messages. We then construct intervention-specific edge attributions and evaluate each resulting ranking under both interventions, testing whether their relative fidelity changes with the evaluation intervention. Across nine datasets and a panel of GIN, GCN, and GATv2 models at depths 2--5, all nine GIN controls satisfy the equivalence predicted by the theory. On the target logit, the relative fidelity of the two rankings depends on the evaluation intervention in 10 of 11 reportable GCN and GATv2 cells, and in nine of them each ranking has the larger deletion area under the intervention it was built with. Deletion fidelity is thus not a property of an edge ranking alone. Evaluation protocols should explicitly report the intervention, output functional, target, and perturbation unit, and test alternative intervention semantics when the scientific question does not uniquely determine one.
• Abstract（参考訳）: グラフニューラルネットワークの説明は、しばしば削除忠実性、すなわち、トップランクのエッジを削除し、結果のモデル出力の変化を測定することで評価される。 しかし、メッセージパッシングのGNNでは、"エッジを削除する"ことは、ユニークな介入を規定していない。 構造的削除はグラフからエッジを取り除き、次数正規化や注意などの量を再計算する。 したがって、削除の忠実さの意味は、モデル計算における介入が対象とするものに依存する。 我々はこの区別を定式化し、正確な同値性のための十分な条件を導出する。 2つの介入は、エッジセット非依存係数の付加的なメッセージパッシングと一致するが、アグリゲーションがゼロメッセージの存在に依存する場合や、エッジを削除すると、生き残ったメッセージに適用される係数が変化する場合に発散する。 次に、介入固有のエッジ属性を構築し、その結果のランクを双方の介入の下で評価し、それらの相対的忠実度が評価介入とともに変化するかどうかを検証した。 9つのデータセットと深さ2〜5のGIN、GCN、GATv2モデルのパネルで、9つのGIN制御は全て理論によって予測される等価性を満たす。 ターゲットロジットでは、これらの2つのランキングの相対的忠実度は、報告可能なGCNとGATv2細胞のうち10個の評価介入に依存する。 したがって、削除忠実性はエッジランキングのみの特性ではない。 評価プロトコルは、介入を明示的に報告し、機能的、ターゲット的、摂動的ユニットを出力し、科学的疑問が一意に決定しない場合に代替介入セマンティクスをテストするべきである。

関連論文リスト

• Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
  情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。 本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。 本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
  論文  参考訳（メタデータ） (2026-10-02T20:36:22Z)
• One Geometry, Different Outcomes: Readout-Dependent Effects of the Modality Gap in Vision-Language Models [7.136614919394685]
  タスク依存効果の統一的な幾何学的説明を提供する。 ゼロショット分類では、クエリ側固定ギャップオフセットサブトラクションは、正に加法クラスバイアスと同値である。 混合モーダル検索では、ギャップ方向は候補をモダリティでソートする。
  論文  参考訳（メタデータ） (2026-09-28T18:40:27Z)
• Interventional Score Geometry for Causal Inference [0.0]
  パールズ・ラダー・オブ・カウセーション (Ladder of Causation) では、観測スコア幾何学は関連性に属し、介入をインデクシングしたスコア場は介入し、単位レベルの反事実幾何学は今後の研究のために残されている。 ハード介入 $operatornameo(X_k=)$ はジョイント法則を再重み付けするだけでなく、サブ多様体 $x_k=$ に分布を制限する。 私は因果的影響$X_krightsquigarrow X_j$を、$X_j$と$$の介入境界分布のバリエーションとして定義する。
  論文  参考訳（メタデータ） (2026-07-24T02:42:05Z)
• The Quadrilateral Loss: Additivity as a Measurable Behavior of Dense Neural Networks [0.0]
  積算性を測定可能な振る舞いとして扱う4次的損失,すなわち微分可能なペナルティを導入する。 我々は, 正確な添加率, 構造マスク, 行動的ペナルティ, 体重減少, バックフィッティング, 共有断面モデル, バンチ強化切り株の経路を比較した。
  論文  参考訳（メタデータ） (2026-07-22T14:23:37Z)
• BURN: Backdoor Unlearning via Adversarial Boundary Analysis [73.14147934175604]
  Backdoor Unlearningは、モデル本来の機能を保持しながら、バックドア関連の情報を削除することを目的としている。 本稿では, 偽相関疎結合, プログレッシブデータリファインメント, モデル浄化を統合した新しい防御フレームワーク, BURNによるバックドア・アンラーニングを提案する。
  論文  参考訳（メタデータ） (2025-07-14T17:13:06Z)
• A Signed Graph Approach to Understanding and Mitigating Oversmoothing in GNNs [54.62268052283014]
  署名されたグラフの枠組みに基づく統一的な理論的視点を示す。 既存の戦略の多くは、メッセージパッシングを変えて過度な操作に抵抗する負のエッジを暗黙的に導入している。 本稿では,ラベルや特徴の類似性に基づいて署名されたエッジを割り当てるプラグイン・アンド・プレイ方式であるStructure Balanced Propagation (SBP)を提案する。
  論文  参考訳（メタデータ） (2025-02-17T03:25:36Z)
• Revisiting Edge Perturbation for Graph Neural Network in Graph Data Augmentation and Attack [58.440711902319855]
  エッジ摂動はグラフ構造を変更する方法である。 グラフニューラルネットワーク(GNN)の性能への影響に基づき、2つの静脈に分類できる。 統一的な定式化を提案し、エッジ摂動法の2つのカテゴリ間の明確な境界を確立する。
  論文  参考訳（メタデータ） (2024-03-10T15:50:04Z)
• Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
  我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。 そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。 良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。 我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
  論文  参考訳（メタデータ） (2023-12-25T01:00:58Z)
• Refined Edge Usage of Graph Neural Networks for Edge Prediction [51.06557652109059]
  We propose a novel edge prediction paradigm named Edge-aware Message PassIng neuRal nEtworks (EMPIRE)。 まず,各エッジをトポロジや監督のためにのみ使用するエッジ分割手法を提案する。 監視エッジで接続されたペアと接続されていないペアの差を強調するために、さらにメッセージを重み付けして、その差を反映できる相対的なペアを強調します。
  論文  参考訳（メタデータ） (2022-12-25T23:19:56Z)
• Tree-Values: selective inference for regression trees [0.0]
  データから推定された木が標準的な保証を達成できないという事実を説明できない推論に対する単純なアプローチ。 適応したCARTツリー上での推論を行うための選択推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T00:25:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。