Operational Feature Fingerprints of Graph Datasets via a White-Box Signal-Subspace Probe

Resumo Técnico: Impressões Digitais de Características Operacionais de Conjuntos de Dados de Grafos via uma Sonda de Subespaço de Sinal de Caixa Branca (WG-SRC)

1. O Problema: Opacidade das Redes Neurais de Grafos (GNNs)

As Redes Neurais de Grafos (GNNs) atuais alcançam alta precisão, mas operam como "caixas pretas". O processo de passagem de mensagens (message passing) mistura diversos mecanismos em uma representação única e opaca, tais como:

• Atributos próprios do nó (ego attributes).
• Suavização de vizinhança (neighborhood smoothing - baixa passagem).
• Diferenças de alta passagem (high-pass graph differences).
• Geometria das classes e efeitos de fronteira do classificador.

Essa opacidade impede que pesquisadores entendam por que um nó foi classificado de certa forma e quais mecanismos de aprendizado um conjunto de dados específico exige (por exemplo, se ele é homofílico ou heterofílico).

2. Metodologia: O Framework WG-SRC

Os autores propõem o WG-SRC (White-box Graph Signal-Subspace Probe), que abandona a aprendizagem de representações ocultas em favor de um modelo de "caixa branca" baseado em álgebra linear explícita. O método divide-se em cinco estágios:

1. Dicionário de Sinais de Grafo de Múltiplos Saltos: Em vez de camadas aprendidas, o modelo constrói um dicionário fixo de sinais nominais: atributos brutos ($X$), propagação de baixa passagem (usando matrizes de transição normalizadas $P_{row}$ e $P_{sym}$) e diferenças de alta passagem ($X - P_{row}X$, etc.).
2. Seleção de Coordenadas de Fisher: Utiliza o escore de Fisher para selecionar as $K$ coordenadas mais discriminativas do dicionário de sinais.
3. Subespaços de Classe (PCA): Para cada classe, aplica-se PCA (Análise de Componentes Principais) para encontrar um subespaço ortonormal que represente a geometria daquela classe. O erro de reconstrução (resíduo) serve como medida de proximidade geométrica.
4. Fronteira de Ridge de Múltiplos $\alpha$: Para capturar fronteiras de decisão que a geometria do PCA pode perder, o modelo ajusta um classificador de regressão Ridge em forma fechada, utilizando um conjunto de regularizações ($\alpha$) para estabilidade.
5. Fusão de Scores: A predição final é uma fusão ponderada dos resíduos do PCA e da fronteira de Ridge, com pesos selecionados via validação.

3. Principais Contribuições

• Classificador de Caixa Branca: Um modelo que não apenas prevê rótulos, mas cujos componentes (sinais, subespaços, fronteiras) são matematicamente auditáveis.
• Atlas de Mecanismos: O modelo gera um "atlas" que decompõe o comportamento de cada nó em componentes de sinal (bruto, baixa passagem, alta passagem, geometria de classe e fronteira de decisão).
• Impressões Digitais de Conjuntos de Dados (Dataset Fingerprints): Ao agregar o atlas, o método cria uma "impressão digital" que caracteriza o conjunto de dados (ex: se ele é dominado por baixa passagem como o Amazon ou por alta passagem/geometria complexa como o Chameleon).
• Guia de Diagnóstico Pós-Avaliação: O framework fornece hipóteses para modificação de modelos (ex: "remova blocos de alta passagem para reduzir ruído") que são validadas por intervenções mecânicas controladas.

4. Resultados Experimentais

O modelo foi testado em seis conjuntos de dados (Amazon-Computers, Amazon-Photo, Chameleon, Cornell, Texas, Wisconsin):

• Validade Preditiva: O WG-SRC superou as linhas de base (baselines) mais fortes (como GraphSAGE e LINKX) com um ganho médio de +1,52 pontos percentuais em precisão.
• Estabilidade: Testes de significância (Teste t pareado e Wilcoxon) confirmaram que o ganho é estatisticamente significativo e não fruto de divisões aleatórias favoráveis.
• Validação do Diagnóstico: As "intervenções mecânicas" confirmaram as impressões digitais. Por exemplo, em grafos Amazon (dominados por baixa passagem), remover blocos de alta passagem melhorou a precisão, validando o diagnóstico do atlas. Em contrapartida, em grafos WebKB, a fronteira de Ridge foi crucial para corrigir falhas da geometria do PCA.

5. Significância e Conclusão

A importância do WG-SRC reside no fato de ele não ser apenas um classificador, mas um instrumento de medição. Ele transforma a avaliação de modelos de grafos de uma simples métrica de "acurácia" para uma análise de "mecanismos operacionais".

O trabalho estabelece um caminho para o design de algoritmos mais inteligentes: em vez de testar arquiteturas aleatórias, pesquisadores podem usar as impressões digitais do WG-SRC para entender as necessidades intrínsecas de um conjunto de dados e realizar modificações direcionadas (ex: preservar atributos brutos ou fortalecer fronteiras de decisão).