Graph Compression for Interpretable Graph Neural Network Inference At Scale

Yangxin Fan

doi:10.14778/3750601.3750641

Graph Compression for Interpretable Graph Neural Network Inference At Scale

2025-08-01

0

PRE

AI

DOI：10.14778/3750601.3750641

原文链接

原文求助

摘要

En 中文

我们提出ExGIS，一个并行推理查询引擎，用于支持大型图中的可解释图神经网络（GNNs）推理分析。(1) 对于具有最多L层的GNNs ML类和图G，ExGIS对G进行离线、一次性压缩至小型图G(c)，使得对于任何请求G中任意节点v上任意GNN M -> ML输出结果的推理查询Q，可以直接查询G(c)以获得正确输出，无需解压缩。(2) 针对请求G上GNNs M输出结果的一组推理查询工作负载W，ExGIS并行执行快速在线GNN推理与解释。它动态划分W以平衡工作负载，并(a) 执行仅咨询压缩图G（无需解压缩）的推理，以及(b) 直接从G生成简洁的解释性子图，以高保真度阐明查询输出，所有操作均并行进行。此外，ExGIS集成了用于查询性能分析的可视化交互界面，以及支持用户友好、自然语言解释查询输出的基于大型语言模型（LLMs）的解释器。我们展示了ExGIS的压缩率和可扩展性，及其在比特币交易网络和学术网络中的可解释异常检测应用。

Graph Compression for Interpretable Graph Neural Network Inference At Scale

摘要

期刊

机构

引用论文