그래프 신경망(GNNs)은 복잡한 관계를 모델링하고 분석하는 능력으로 인해 최근 상당한 주목을 받아 왔으며, 그 결과 다양한 분야에서 수많은 응용이 이루어지고 있다. 이에 발맞추어 GNNExplainer와 같은 설명가능한 모델들이 개발되어, GNN 모델이 의사결정을 내리는 방식을 이해하기 위한 통찰을 제공하고자 한다. 그러나 지금까지의 연구는 주로 중요한 간선과 부분그래프를 식별하는 데 초점이 맞춰져 왔으며, 상대적으로 특징(피처)의 중요도에 대해서는 덜 강조되어 왔다. 이러한 공백을 해소하기 위해, 그래프 구조와 잘 정렬된 특징을 추출하는 것을 목표로 하는 새로운 비지도 학습 기반 특징 점수화(feature scoring) 방법을 제안한다. 우리의 접근은 그래프의 전반적인 구조적 특성을 설명하는 특징과 그렇지 않은 특징을 구분하는 데 기반을 둔다. 다른 알고리즘들과의 비교 실험을 통해, 제안된 방법이 비지도 설정에서 중요한 특징을 선택하는 데 효과적임을 입증하였다. 또한 유전자 발현 데이터에 대한 경험적 분석을 통해, 본 방법이 바이오마커 발견에 도움을 줄 수 있음을 확인함으로써 생물학적 연구에서의 실용적 응용 가능성을 강조하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.