[論文レビュー] Link Prediction using Graph Neural Networks for Master Data Management

Balaji Ganesan, Srinivas Parkala+6 more|arXiv (Cornell University)|Mar 7, 2020

Advanced Graph Neural Networks参考文献 36被引用数 6

ひとこと要約

本論文は、人物間の関係（例：接触追跡）予測を対象とし、倫理的データ取り扱い、モデルの説明可能性、プライバシー保護を重視した、マスターデータ管理（MDM）におけるグラフニューラルネットワーク（GNN）ベースのリンク予測フレームワークを提案する。GraphSheetsを導入し、モデルの説明責任、検証可能なテキスト検索、パスランク説明を実現し、MDM Bootcampデータセットにおいて優れた性能を発揮するとともに、強固な倫理的ガードレールを備えている。

ABSTRACT

Learning graph representations of n-ary relational data has a number of real world applications like anti-money laundering, fraud detection, and customer due diligence. Contact tracing of COVID19 positive persons could also be posed as a Link Prediction problem. Predicting links between people using Graph Neural Networks requires careful ethical and privacy considerations than in domains where GNNs have typically been applied so far. We introduce novel methods for anonymizing data, model training, explainability and verification for Link Prediction in Master Data Management, and discuss our results.

研究の動機と目的

• 個人中心のグラフにおけるリンク予測における倫理的課題に取り組むこと、特に接触追跡のようなプライバシーが敏感な分野を対象とする。
• ドメインエキスパートが理解可能な根拠を提供する、説明可能なGNNモデルを開発すること、MDMワークロードにおける予測リンクの説明を可能にする。
• 匿名化、検証、標準化された文書作成を通じて、モデルの公平性とデータ保護を確保すること。
• GraphSheetsの導入により、一貫性のあるモデル開発と監査を可能にすることで、GNNの産業スケールでの導入を可能にすること。
• ハードネガティブサンプリングとサブグラフベースの検証戦略を用いることで、モデルの信頼性を向上させること。

提案手法

• 著者らは、エンティティとその関係を表すプロパティグラフから、ノードおよびエッジの埋め込みを学習するため、関係性を考慮したGNNアーキテクチャ（R-GCNおよびGraphSAGE）を用いる。
• 予測されたリンクの検証に役立てるために、企業文書（例：メール、ログ）から検証可能なテキストを取得する検索ベースの検索システムを実装する。
• パスランクアルゴリズム（PRA）にPaTyBREDを組み合わせ、ノード間の既存パスをランク付けし、説明に最も意味的に関連するルートを特定する。
• GraphSheetsは、モデルの挙動、データソース、プライバシー慣行、倫理的配慮を標準化されたテンプレートとして文書化するためのものである。
• モデルはMDM Bootcampデータセット上でトレーニングされ、標準的な分割とサブグラフ上のk-fold交差検証を用いてリンク予測が評価される。
• 埋め込みの類似度に基づいてハードネガティブサンプルを生成し、真のリンクと偽のリンクの識別能力を向上させる。

実験結果

リサーチクエスチョン

• RQ1 接触追跡のような機微な人物間関係に応用する際、MDMにおけるリンク予測をどのように倫理的に強固にできるか？
• RQ2 ドメインエキスパートが理解可能な形で説明可能な、GNN予測を向上させる技術は何か？
• RQ3 異なるチームや環境間で、モデルのトレーニングとデプロイをどのように一貫性と監査可能性を確保できるか？
• RQ4 検証可能なテキスト証拠とパスランクが、GNN予測の検証に果たす役割は何か？
• RQ5 サブグラフベースのトレーニングとハードネガティブサンプリングは、モデルの一般化性と公平性をどのように向上させるか？

主な発見

• GNNベースのリンク予測モデルは、MDM Bootcampデータセットで高い性能を発揮し、サブグラフ全体にわたり優れた一般化性能を示し、データスパarsityに対しても頑健である。
• 検証可能なテキスト検索の統合により、人間のアノテーターが実際の企業データを用いて予測を検証可能となり、信頼性と監査可能性が向上した。
• PaTyBREDを用いたパスランク説明は、最も関連性の高い関係的パスを効果的に特定し、予測リンクに対する直感的な根拠を提供した。
• GraphSheetsは、開発チーム全体でデータソース、プライバシー慣行、モデル挙動の文書化を標準化することで、モデルの説明責任を顕著に向上させた。
• ハードネガティブサンプリングにより、共通の名前や場所といった表面的な属性に基づく誤検出（偽陽性）が低減された。
• サブグラフベースのk-fold検証は、多様なグラフ構造において一貫した性能を示し、スケーラブルなデプロイメントを支援した。