圖數據的天然優勢是為學習算法提供了豐富的結構化信息，節點之間鄰接關系的設計成為了重要的先驗信息和交互約束。然而，有一部分邊上的消息是可以忽略的，論文首先提出方法在不影響模型預測效果的情況下，將圖結構中冗余的邊drop掉。通過分析剩余邊上具有怎樣的先驗知識，實現對GNN的預測過程加以解釋。

0. Abstract

GNN 能夠將結構歸納偏置（structural inductive biases） 整合到 NLP 模型中。然而，卻鮮有工作對于這種結構偏置的原理加以解釋，特別是在理解圖結構的哪些部分有助于模型的預測方面。因此，本文介紹了一種事后（post-hoc）方法，來對 GNN 的預測加以解釋，它能夠識別出不必要的邊。給定一個訓練過的GNN模型，本文通過學習一個簡單的分類器，對于每一層中的每條邊，預測那條邊是否可以被丟棄。作者證明了這樣的分類器的訓練可以用完全可微分的方式，使用隨機門，并通過范數促進稀疏性。此外，作者還進行了非常有意義的實驗，將提出的技術作為歸因方法，同時分析了兩個 NLP 任務中的GNN模型——問題回答和語義角色標注，并提供了對這些模型中信息流的理解。實驗結果表明，可以丟棄大量的邊卻不會影響到模型的性能，同時通過分析剩余的重要邊來解釋模型的預測過程。

1. Introduction

基于GNN的NLP任務

1.應用現狀

近年來，圖神經網絡(GNNs)成為了一種可擴展和高性能的方法，能夠將語言信息和其他結構偏置整合到NLP模型中。GNN 能夠用于文本數據的表示，例如：語法和語義圖、共指結構、知識庫與文本鏈接等。也能夠用在多種NLP任務中，例如：關系抽取，問題回答，語義語法解析，文本摘要，機器翻譯，社交網絡中的濫用語言檢測等。

2.應用瓶頸——在NLP任務中的可解釋性

雖然 GNN 性能較好，但模型還是相對復雜的，很難理解模型預測背后的“原因”。對于NLP從業者來說，知道給定的模型編碼了哪些語言信息以及編碼是如何發生的是非常重要的，GNN 可解釋性差是實現這種分析的障礙。此外，這種不透明性降低了用戶的信任，阻礙了有害偏置的發現，并使錯誤分析復雜化；在這篇論文中，著重于對 GNN 的事后分析，并對解釋GNN的方法制定了以下要求:

能夠識別層之間的相關路徑，因為路徑是向用戶展示 GNN 推理模式的最自然的方式之一;

易于處理，適用于現代基于 GNN 的 NLP 模型;

盡可能的提升可信度，為模型如何真正的達到預測效果提供解釋。

前置知識：擦除搜索（erasure search）

1.定義

執行解釋的一個簡單方法是使用擦除搜索[1]，這是一種歸因的方法，在不影響模型預測的情況下，查找到可以被完全刪除的最大特征子集。刪除意味著模型丟棄的所有特征信息都能夠被忽略。

2.擦除搜索應用于GNN

對于GNN 而言，擦除搜索需要找到可以完全丟棄的最大子圖。對于上面提到的三點需求，擦除搜索只能滿足(1)和(3)，在易處理性上失敗了。在實際場景中是不可行的，一次只刪除一個特征的花銷非常大，并且由于飽和性會低估特征的貢獻；此外，在擦除搜索中，優化是針對每個例子單獨進行的。由于使用另一個可選擇的較小子圖也可以做出類似的預測，即使是非冗余的邊也會被積極地修剪，這可能會導致過擬合，作者將這個問題稱為事后偏差（hindsight bias）。

GRAPHMASK 方法

論文提出的 GRAPHMASK 旨在通過可擴展的方式實現與擦除搜索相同的優點，從而滿足上述的需求。也就是說，作者的方法對保留或丟棄邊做出了可解釋的硬性選擇，從而使被丟棄的邊與模型預測沒有相關性，同時保持了易處理性。GRAPHMASK 可以理解為子集擦除的一種可微的形式。其中，作者不是為每個給定的例子找到一個需要擦除的最佳子集，而是學習一個參數化的擦除函數，該函數可以預測是否應該保留第層的每條邊。給定一個示例圖 ，作者的方法為第 層返回一個子圖 ，這樣就可以認為 之外的任何邊都不會影響模型的預測。由于作者的模型依賴于參數化的擦除函數，而不是對每條邊單獨進行選擇，作者可以通過在訓練數據集上攤開參數學習，這種策略避免了事后偏差。

論文的貢獻

作者提出了一種新的針對GNN可解釋性的方法，適用于任何以GNN為組件的端到端神經模型（作者將發布代碼）。

作者用人工數據證明了現有最新方法的缺點，并展示了論文的方法如何解決這些缺點并提高可信度。

作者使用GRAPHMASK來分析兩個NLP任務中的GNN模型：語義角色標注和多跳問題回答。

2. Methods

GNN

給定輸入圖 ，GNN 第層的工作機制能夠通過一個消息函數 和一個聚合函數 定義：

其中， 表示節點 和 之間的關系類型， 是節點 的鄰居集合， 是第 層節點的表示。

GRAPHMASK

目標：獲得原始圖數據中的冗余信息，檢測在不影響模型預測的情況下，第 層的哪些邊上的消息 可以被忽略，作者將這些邊和邊上的消息視為冗余的。

整體思路（如下圖）：節點的隱藏狀態和消息被喂入一個分類器 ，預測得到一個掩碼 ，作者用 來代替第 層的消息，并使用修改后的節點狀態重新計算前向傳播。分類器 在不改變模型預測的情況下，盡可能多的遮蔽隱藏狀態。

模型框架

Original Model當節點 和 之間有邊連接時，那么消息 能夠自由的傳遞給節點 ；

Gated Model訓練一個分類器 控制原始消息 是否要被遮蔽，若原始消息被遮蔽，則計算一個新的消息 ，再傳遞給節點 。

Gated Model 中消息的計算

作者通過一個二元選擇模型 查找需要丟棄的邊, 并通過一個可學習的基線 替換被丟棄的消息：

即，當 時，原始消息被遮蔽掉，使用學習到的參數 作為新的消息。

二元選擇模型的局限

不滿足作者在 Introduction 中提出的要求：1）該過程涉及到對所有可能被丟棄的候選邊進行搜索，所以不是易處理的。2）搜索過程是對每一個例子單獨進行的，存在事后偏見的危險。

為了克服這些問題，作者通過一個簡單的函數來計算 ，對每個任務跨數據點學習一次：

其中 是分類器 的參數，以單層神經網絡的形式實現。

分類器 的優勢

不是根據給定的預測值來選擇門值 ，而是在多個數據點上訓練參數 ，并用于解釋在訓練階段未見的例子上的預測。

的計算僅依靠模型在當前階段的可用信息（即 , ， ），而不是讓模型提供一個lookahead.

這兩個方面的設計，防止了事后偏差。作者把這種策略稱為amortization。另一種選擇是為每個門獨立的選擇參數，不在門間共享任何參數，直接在測試樣本上執行優化，作者將這種策略稱為 GraphMask 的non-amortized版本。將在后面看到，與 amortization 版本不同的是，它容易受到事后偏見的影響。

計算過程

當獲得訓練好的分類器 后，使用論文提出的 GRAPHMASK 方法分析一個數據點過程如下：

1）在該數據點上執行原始模型，得到 , ， 。

2）對每一層的每一條邊進行門計算，并執行如圖1所示模型的稀疏化版本。根據公式3對原始模型的消息進行門控。

3）對于后續各層，使用公式2對被遮蔽后的消息進行聚合，以獲得頂點嵌入 ，然后用它來獲得下一組被掩蔽的消息。

GRAPHMASK 唯一學習的參數是擦除函數的參數 和學習到的基線向量 ，原 GNN 模型的參數保持不變。只要依靠稀疏化圖的預測與使用原始圖的預測相同，我們就可以將被掩蓋的信息解釋為冗余的信息。

模型參數估計

問題定義

給定：具有 層的 GNN 函數 , 圖 , 輸入嵌入

任務：找到一個信息量大的子圖集合 , ,也就是每一層GNN網絡對應一個子圖，找到邊數目最少的子圖，并使得：.

約束優化過程

用約束優化的語言來形式化上述問題，并采用一種能夠實現梯度下降的方法，如拉格朗日松弛。一般來說，不可能保證)和 相等，因為是一個平穩函數，輸入數據的最小變化也無法產生完全相同的輸出。

為了衡量兩個輸出的不一致程度，作者引入了一個散度：，和一個容忍度：, 在該范圍內的差異是可接受的。 的選擇取決于原始模型的輸出結構。最小化分類器 預測的非零值數目（即未被遮蔽的邊的總數），比較常見的方法是最小化 范數。因此，從形式上講，在數據集 上定義本文的目標函數為：

其中1是指示函數， 是拉格朗日乘子。

以上目標函數不可微，由于：1） 不連續，導數幾乎處處為0；2）輸出的二值需要一個不連續的激活，如階躍函數。因此沒辦法使用基于梯度的優化方法，作者采用稀疏松弛解決以上問題，并采用 Hard Concrete 分布（封閉區間[0，1]上的混合離散連續分布）。

4. Experiments

作者進行了三個系列的實驗，本文將呈現重要的表格和結果，具體實驗細節和分析參閱論文。

綜合實驗

作者首先將GRAPHMASK應用在一個已知真實屬性的 Toy 數據集中，對方法的忠誠度進行評估。

任務描述給定一個星形圖 ，有一個單獨的中心頂點，葉節點，以及邊，圖中每條邊都事先分配好了一種顏色 。然后，給定一個查詢 ，

需要預測的是分配給顏色 的邊數是否大于分配給顏色 的邊數。我們事先明確已知與 兩種顏色相匹配的邊是重要的，除此之外的其它邊都不影響預測。作者定義了一個忠實度的黃金標準：對于，所有 和 類型的邊都應該被保留， 而所有其他的邊都應該被丟棄。

GRAPHMASK與三個基線方法比較

只有本文提出的方法的 amortized 版本近似復制了黃金標準，事實上，擦除搜索、GNNExplainer 和 non-amortized 的GRAPHMASK只召回了一小部分非冗余邊。

圖2 可視化每種方法的分數分配情況

擦除搜索、GNNExplainer 和 non-amortized 版本 GRAPHMASK 只保留一條黑色邊，造成過擬合。集成梯度和信息瓶頸方法給出了不滿意的結果，因為所有邊邊都有屬性。只有amortized -GRAPHMASK能夠正確地將屬性分配給且僅分配給黑色和藍色邊，amortized 可以防止目標過擬合。

問題回答任務

任務描述給定一個查詢句和一組上下文文檔，在上下文中找到最能回答查詢的實體。GNN圖中的節點對應于查詢和上下文中實體的提及，并在這些實體之間引入了四種類型的邊：字符串匹配(MATCH)、文檔級共現(DOC-BASED)、核心參考解析(COREF)，沒有任何其他邊(COMPLEMENT)。

GRAPHMASK復制了原始模型的性能，雖然準確度下降0.4%，但是僅有27%的邊被保留，保留的邊大部分存在于底層（底層的邊比較重要）。作者測量了每一層保留邊的百分比，這些邊發生在源于查詢實體的路徑上。觀察發現，發生在源于查詢的提及的路徑上的邊的比例按層急劇增加，從0層的11.8%，到1層的42.7%，在頂層達到73.8%。與預測答案相對應的一些提及在99.7%的情況下是一些保留邊的目標。然而，預測實體與查詢連接的幾率(72.1%)與平均候選實體的幾率(69.2%)幾乎相同。因此，GNN不僅負責通過圖傳播證據到預測答案，還負責傳播證據到備選候選實體。大多數路徑采取兩種形式之一，即一條COMPLEMENT邊之后是一條MATCH或一條DOC-BASED邊（22%），或者一條COMPLEMENT邊之后是兩條MATCH或DOC-BASED邊（52%）。

圖3 QA任務中邊的保留情況

查詢 "record label Phi" 的保留子圖（占原始邊的21%）。黑色邊類型是DOC-BASED，藍色是COMPLEMENT，黃色是MATCH，其中邊上的數字表示在哪一層保留了這種邊。可以看到 Japan 和 Johnny & Associates 之間第2層中的 DOC-BASED 類型邊的情況。事實上，在第0層、第1層和第2層中，分別有49%、98%和79%的保留邊也保留了它們的逆向邊。換句話說，提及之間 "不定向 "的信息交換，使得它的表征更加豐富。

語義角色標注任務

圖4 GNN+LSTM模型的語義角色標注的實例分析(丟棄冗余弧)

任務描述基于GNN的語義角色標注系統，識別給定謂詞的論元，并將它們分配到語義角色上，見圖4中句子下面的標簽。該 GNN 模型依賴于自動預測的句法依賴樹，允許信息雙向流動。作者針對[2]中性能最好的模型，包括BiLSTM+GNN，以及GNN-only 模型。對于LSTM+GNN，遮蔽模型的性能變化非常小，F1 僅下降0.62%，卻只保留了其中4%的消息。GNN-only 模型的性能變化同樣很小，F1 下降了 0.79%，保留了16%的消息。

LSTM+GNN 模型(左)和 GNN-only 模型(右)的預測中使用的路徑百分比（縱坐標），橫坐標是謂詞和預測角色之間距離。

[2] 的原始研究結果表明，GNN對于預測遠離謂詞的角色特別有用，LSTM對于傳播信息的可靠性較低。GNN可以實現這一目標的方式是使用圖中的路徑；要么依賴整個路徑，要么部分依賴路徑中的最后幾條邊。其中連接謂詞和論元的路徑代表語義角色標注任務的重要特征。為了研究這個問題，作者在圖5中繪制了從謂詞到預測論元的路徑的百分比，從而保留了以預測論元為終點的子路徑（即至少一條邊），通過觀察圖5發現：

LSTM+GNN 模型：隨著與謂詞距離的增加，對路徑的依賴性會降低。

GNN-only 模型：隨著與謂詞距離的增加，對路徑的依賴性會增加。

表3 兩種模型保留0、1或2條邊的路徑百分比，按路徑長度和謂詞類型劃分

通過觀察表3發現：

幾乎所有的謂詞和角色之間的直接連接都被保留了下來，因為這些邊構成了它們句法關系的最直接的指示。

較長的路徑在兩種模型中都是非常有用的--然而，在LSTM+GNN模型中，名詞謂詞對長路徑的使用率要低得多。

在這種特殊情況下，LSTM捕捉到了路徑上存在的信息，在其他情況下，GNN通過對連接謂詞和論元的路徑進行建模來補充LSTM。

5. Conclusion

論文介紹了GRAPHMASK，這是一種適用于任何GNN模型的事后解釋方法。通過學習每條消息的端到端可微分的hard gates，并在訓練數據上進行攤銷，GRAPHMASK 可擴展到其它的GNN模型，并且能夠識別邊和路徑如何影響預測。作者應用提出的方法分析了兩個NLP模型的預測——語義角色標簽模型和問題回答模型。GRAPHMASK發現了這些模型依賴于哪些類型的邊，以及它們在進行預測時如何運用路徑。

原文標題：【GNN】別用Attention了，用GNN來解釋NLP模型吧

文章出處：【微信公眾號：深度學習自然語言處理】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq