ST-TGExplainer: Una TGNN Auto-Spiegabile per Districare Pattern di Stabilità e Transizione

I ricercatori propongono ST-TGExplainer, una rete neurale temporale a grafo (TGNN) auto-spiegabile che districa pattern di stabilità e transizione per migliorare l'interpretabilità. Le TGNN esistenti si concentrano su interazioni storiche già osservate (pattern di stabilità) ma ignorano nuove interazioni emergenti per la prima volta (pattern di transizione), limitando spiegazioni fedeli. ST-TGExplainer utilizza un obiettivo di collo di bottiglia informativo districato per apprendere un sottografo esplicativo compatto predittivo delle etichette degli eventi. Il metodo affronta una limitazione chiave nell'interpretabilità dei grafi temporali, mirando a identificare quali interazioni storiche influenzano maggiormente le previsioni.