본 논문은 시간에 따라 관계와 특징이 변화하는 동적 시스템을 모델링하는 데 널리 사용되는 시간 그래프 신경망(TGNNs)의 설명 가능성 문제를 해결하기 위해, 모델과 상관없이 개별 인스턴스에 대한 설명을 제공하는 역설적 설명 방법인 CoDy를 제안합니다. CoDy는 몬테 카를로 트리 탐색과 휴리스틱 선택 정책을 결합한 탐색 알고리즘을 사용하여 공간적, 시간적, 그리고 지역적 이벤트 영향 정보를 활용하여 설명 가능한 하위 그래프의 광대한 탐색 공간을 효율적으로 탐색합니다. 실험 결과, 최첨단 기준 모델들에 비해 AUFSC+ 지표에서 16% 향상된 성능을 보였습니다.
