B-cos GNNs: 동적 선형성 (Dynamic Linearity)을 통한 충실한 설명 가능성

요약

B-cos GNNs는 동적 선형성을 활용하여 예측값을 노드 및 피처별 기여도로 정확하게 분해할 수 있는 새로운 그래프 신경망 클래스입니다. 별도의 보조 설명기나 복잡한 절차 없이 단 한 번의 순전파와 역전파만으로 인스턴스 수준의 설명을 생성하며, 기존 사후 해석 방식보다 훨씬 빠른 속도를 자랑합니다.

핵심 포인트

• 단일 입력 의존적 선형 사상을 통해 예측값을 노드 및 피처별로 정확히 분해 가능
• B-cos 변환을 사용하여 비선형 함수를 대체하고 모델의 동적 선형성 유도
• 추가적인 보조 설명기나 섭동 절차 없이 효율적인 인스턴스 수준 설명 제공
• 기존 사후 해석(post-hoc) 베이스라인 대비 수십 배 빠른 설명 생성 속도
• 예측 정확도의 미세한 손실을 대가로 최첨단 수준의 설명 가능성 확보