그래프 신경망(GNN)은 지식 그래프 완성을 위해 자주 사용됩니다. GNN의 블랙박스 특성으로 인해 예측을 설명하고 표현력을 특징짓기 위해 논리 규칙을 사용하는 연구가 진행되었습니다. 그러나 평균을 집계 함수로 사용하는 GNN의 보편성에도 불구하고, 설명 가능성과 표현력에 대한 결과가 부족합니다. 본 논문에서는 평균 집계와 비음수 가중치를 사용하는 GNN(MAGNN)을 고려하여, MAGNN에 대해 유효할 수 있는 단조 규칙의 정확한 클래스를 증명하고, MAGNN 예측을 설명하기 위한 제한된 일차 논리 조각을 제공합니다. 실험 결과, 평균 집계 GNN을 비음수 가중치로 제한하면 표준 유도 벤치마크에서 동등하거나 향상된 성능을 얻을 수 있으며, 실제로 유효한 규칙이 얻어지고, 통찰력 있는 설명이 생성될 수 있으며, 유효한 규칙이 훈련된 모델의 문제를 드러낼 수 있음을 보여줍니다.
