[论文解读] 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 6

一句话总结

本文提出了一种基于图神经网络（GNN）的主数据管理（MDM）链接预测框架，聚焦于伦理数据处理、模型可解释性以及人员间关系预测（如接触追踪）中的隐私保护。该框架引入了GraphSheets以实现模型问责、可验证的文本检索以及路径排名解释，已在MDM Bootcamp数据集上实现稳健性能，并具备强大的伦理保障。

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.

研究动机与目标

• 解决在接触追踪等隐私敏感领域中，针对以人员为中心的图进行链接预测时面临的伦理挑战。
• 开发可解释的GNN模型，为MDM工作负载中预测链接提供人类可理解的解释依据。
• 通过数据匿名化、验证机制和标准化文档，确保模型公平性与数据保护。
• 通过引入GraphSheets实现模型开发与审计的一致性，推动GNN在MDM中的工业级部署。
• 通过硬负样本采样与基于子图的验证策略，提升模型可靠性。

提出的方法

• 作者采用关系GNN架构（包括R-GCN和GraphSAGE），从表示实体及其关系的属性图中学习节点与边的嵌入表示。
• 他们实现了一个基于搜索的检索系统，用于从企业文档（如电子邮件、日志）中获取可验证的文本，以验证预测链接。
• 应用路径排名算法（PRA）与PaTyBRED，对节点之间的现有路径进行排序，识别出最具有语义相关性的路径以提供解释。
• 引入GraphSheets作为标准化模板，用于记录模型行为、数据来源、隐私实践及伦理考量。
• 模型在MDM Bootcamp数据集上进行训练，链接预测通过标准划分与基于子图的k折交叉验证进行评估。
• 基于嵌入相似度生成硬负样本，以提升模型对真实与虚假链接的判别能力。

实验结果

研究问题

• RQ1 在涉及敏感人员间关系的场景下，如何使MDM中的链接预测在伦理层面更具鲁棒性？
• RQ2 哪些技术可提升GNN预测的可解释性，使其对领域专家具有可读性？
• RQ3 如何在不同团队与环境中实现模型训练与部署的一致性与可审计性？
• RQ4 可验证的文本证据与路径排名在验证GNN预测中发挥何种作用？
• RQ5 基于子图的训练与硬负样本采样如何提升模型的泛化能力与公平性？

主要发现

• 基于GNN的链接预测模型在MDM Bootcamp数据集上表现优异，展现出在子图上的良好泛化能力，并对数据稀疏性具有强鲁棒性。
• 可验证文本检索的集成使人工标注者能够利用真实企业数据验证预测结果，显著提升信任度与可审计性。
• 基于PaTyBRED的路径排名解释能有效识别最相关的关联路径，为预测链接提供直观的解释依据。
• GraphSheets通过标准化团队间的数据来源、隐私实践与模型行为文档，显著提升了模型问责水平。
• 硬负样本采样提升了模型的判别能力，减少了因共享姓名或地理位置等表面特征导致的误报。
• 基于子图的k折验证在多种图结构中均表现出一致性能，支持可扩展的部署。