グラフ上の注意フローのモデル化

現実のシナリオでは、最終的な結果の予測以上にプロセスに関する推論が求められ、潜在的な因果関係を発見し、複雑なシステムをより良く理解する必要があります。それには、学習アルゴリズムが正確な予測と明確な解釈の両方を提供することが求められます。我々は、ソースと宛先のみが観測されるグラフ上での一連の軌道推論タスクを設計しました。推論プロセスを明示的にモデル化するための注意フローメカニズムを提示し、グラフネットワークに基づいて関係的帰納バイアスを活用しています。注意フローがメッセージパッシングによって実装される基盤となる情報フローに効果的に作用する方法を研究します。実験により、グラフネットワークと相互作用しながら駆動される注意フローが、予測の精度を向上させ、軌道推論の解釈を改善できることが示されました.