DINE: 节点嵌入的维度可解释性

Oct, 2023

DINE: Dimensional Interpretability of Node Embeddings

Simone Piaggesi, Megha Khosla, André Panisson, Avishek Anand

TL;DR通过开发解释节点嵌入维度的人类可理解的解释，我们提出了一种新方法，用于改进现有的节点嵌入模型的解释性，同时保持其在链接预测方面的有效性。

Abstract

Graphs are ubiquitous due to their flexibility in representing social and technological systems as networks of interacting elements. Graph representation learning methods, such as node embeddings, are powerful approaches to map nodes into a latent vector space, allowing their use for v

graph representation learning node embeddings interpretability dine link prediction

发现论文，激发创造

生成节点嵌入的人类可理解解释

研究论文通过分析图中的节点嵌入算法和人可理解的图特征的关系，提出了一种叫做 XM 的新框架，该框架通过最小化核范数来生成能够解释的嵌入，既保持了现有节点嵌入方法的性能，又增强了其可解释性。

Jun, 2024

词嵌入的语义结构和可解释性

该研究提出了一种统计方法来揭示密集词嵌入中的潜在语义结构，并引入了一个新的数据集（SEMCAT），其中包含超过 6500 个在 110 个类别下语义分组的单词。研究还提出了一种量化词嵌入可解释性的方法，这是一种实用的替代方法，不需要人为干预。

Nov, 2017

用人类判断调整嵌入空间中可解释维度

使用种子词义空间和人类评价指导相结合的方法，在预测物体属性和风格属性方面，表现出了明显更好的性能，尤其是在种子词义空间不能很好工作的情况下。

Apr, 2024

扩展解释：无监督且内在可解释的图嵌入

我们研究了图表示学习，并展示了可以学习和使用保留语义的数据增强来产生解释性，名为 INGENIOUS 的框架，它创造出固有的可解释性嵌入并消除了昂贵的事后分析所需。我们还引入了额外的度量衡解决了无监督表示学习解释性这一研究领域中缺乏形式化和度量的问题。实验结果支持了我们的结果，应用于图级别和节点级别任务，展示了可解释性嵌入在随后的下游任务上提供了最先进的性能。

Sep, 2023

基于图度量嵌入的快速图算法

本文介绍一种学习图嵌入的简单、有效方法，通过密集向量表示来近似节点之间的距离，以反映用户定义的图距离度量，避免了直接在图结构上进行操作引起的低效性，证明该方法在语义相似性和词义消歧任务上的表现比其他图嵌入方法更优秀，同时在 WordNet 和两个知识库图上进行了评估。

Jun, 2019

网络嵌入教程

本次调查综述了网络嵌入的发展历史以及对分类、聚类、链接预测和可视化等任务的作用，将网络嵌入方法根据不同场景进行了分类，包括监督学习、无监督学习、同质网络和异质网络等。最后，探讨了网络嵌入未来的研究方向。

Aug, 2018

可解释的具有稀疏自表示的神经嵌入

通过将数据自表示与浅层神经网络相关联，提出了一种新颖的方法来学习表达性和可解释性更高的词嵌入，并在下游任务中表现出竞争性和性能更好的结果。

Jun, 2023

从潜在到明晰：将知识图谱嵌入转化为可解释的结构

本论文介绍了一种针对知识图嵌入模型的事后可解释人工智能方法，通过直接解码嵌入在知识图中的潜在表示，识别相似嵌入实体的子图邻域内的不同结构，并将这些见解转化为人类可理解的符号规则和事实，在知识图嵌入模型的抽象表示和预测输出之间构建了桥梁，提供清晰、可解释的见解。

Jun, 2024

学习和评估稀疏可解释的句子嵌入

本文通过引入稀疏表示的思想将 word embeddings 应用到 sentence embeddings 中，基于主题连贯性方法引入了一种新的、定量的自动化评估指标，并在电影对话数据集和 MS COCO 数据集的场景描述上观察到了 interpretability 的提高。

Sep, 2018

有向图的低维统计流形嵌入

本研究提出了一种新型的节点嵌入方法，通过全局最小化成对相对熵和非线性的图地理路径，将每个节点编码为测量空间上的概率密度函数，并研究了其几何性质和有效的学习过程，实验结果表明，该方法在保留全局地理信息方面优于现有模型，并在无监督设置下在各种评估指标上表现出色。

May, 2019