| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-06-22 17:05 グラフニューラルネットワークによる時空間データ解析に対する統計的仮説検定 ○西納修一・白石智洸（名大/理研）・勝岡輝行（名大）・竹内一郎（名大/理研）  NC2025-16 IBISML2025-16 |
|
| 抄録 | （和） | グラフニューラルネットワーク（GNN）は，時空間データを始めとするグラフ構造を有するデータを解析するための強力な手法として大きな注目を集めている．これに対して，GNNの意思決定過程の解釈を行うため，有意なノードやエッジを特定する手法としてsaliency map が導入されている．しかしながら，その有用性にもかかわらず，GNNのsaliency map の信頼性，特にノイズに対する頑健性には疑問も呈されている．本研究では，saliency map の有意性を厳密に評価し，$p$値の形式で定量化する統計的仮説検定の枠組みを提案する．主な貢献は，選択的推論（Selective Inference）の枠組みに基づき，データのdouble-dippingによって引き起こされるType I error rate（偽陽性率）の増大という問題に対処する点にある．提案手法は統計的に妥当な$p$値を提供することで，本手法はType I error rateを指定の水準に制御し，saliency map によって特定された部分グラフが偶然ではなく，意味ある情報を含むことを理論的に保証する．さらに合成データセットおよび実データセットの双方を用いた実験により提案手法の有用性を示す． |
| （英） | Graph Neural Networks (GNNs) have gained prominence for their ability to process graph-structured data across various domains. However, interpreting GNN decisions remains a significant challenge, leading to the adoption of saliency maps for identifying influential nodes and edges. Despite their utility, the reliability of GNN saliency maps has been questioned, particularly in terms of their robustness to noise. In this study, we propose a statistical testing framework to rigorously evaluate the significance of saliency maps. Our main contribution lies in addressing the inflation of the Type I error rate caused by double-dipping of data, leveraging the framework of Selective Inference. Our method provides statistically valid $p$-values while controlling the Type I error rate, ensuring that identified salient subgraphs contain meaningful information rather than random artifacts. To demonstrate the effectiveness of our method, we conduct experiments on both synthetic and real-world datasets, showing its effectiveness in assessing the reliability of GNN interpretations. | |
| キーワード | （和） | 統計的仮説検定 / グラフニューラルネットワーク / 時空間データ / 選択的推論 / / / / |
| （英） | Statistical Hypothesis Testing / Graph Neural Networks / Spatiotemporal Data / Selective Inference / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 82, IBISML2025-16, pp. 90-97, 2025年6月. | |
| 資料番号 | IBISML2025-16 | |
| 発行日 | 2025-06-14 (NC, IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2025-16 IBISML2025-16 |
|
| 研究会情報 | |
| 研究会 | NC IBISML IPSJ-BIO IPSJ-MPS |
| 開催期間 | 2025-06-21 - 2025-06-23 |
| 開催地（和） | 琉球大学 |
| 開催地（英） | Univ. Ryukyus |
| テーマ（和） | 機械学習、一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2025-06-NC-IBISML-BIO-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | グラフニューラルネットワークによる時空間データ解析に対する統計的仮説検定 |
| サブタイトル（和） | |
| タイトル（英） | Statistical Hypothesis Testing for Spatiotemporal Data Analysis via Graph Neural Networks |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 統計的仮説検定 / Statistical Hypothesis Testing |
| キーワード(2)（和/英） | グラフニューラルネットワーク / Graph Neural Networks |
| キーワード(3)（和/英） | 時空間データ / Spatiotemporal Data |
| キーワード(4)（和/英） | 選択的推論 / Selective Inference |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 西納 修一 / Shuichi Nishino / ニシノウ シュウイチ |
| 第1著者 所属（和/英） | 名古屋大学/理化学研究所 (略称： 名大/理研) Nagoya University/RIKEN (略称： Nagoya Univ./RIKEN) |
| 第2著者 氏名（和/英/ヨミ） | 白石 智洸 / Tomohiro Shiraishi / シライシ トモヒロ |
| 第2著者 所属（和/英） | 名古屋大学/理化学研究所 (略称： 名大/理研) Nagoya University/RIKEN (略称： Nagoya Univ./RIKEN) |
| 第3著者 氏名（和/英/ヨミ） | 勝岡 輝行 / Teruyuki Katsuoka / カツオカ テルユキ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 竹内 一郎 / Ichiro Takeuchi / タケウチ イチロウ |
| 第4著者 所属（和/英） | 名古屋大学/理化学研究所 (略称： 名大/理研) Nagoya University/RIKEN (略称： Nagoya Univ./RIKEN) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-06-22 17:05:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IBISML |
| 資料番号 | NC2025-16, IBISML2025-16 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.81(NC), no.82(IBISML) |
| ページ範囲 | pp.90-97 |
| ページ数 | 8 |
| 発行日 | 2025-06-14 (NC, IBISML) |
[研究会発表申込システムのトップページに戻る]