GNN-XAR: A Graph Neural Network for Explainable Activity Recognition in Smart Homes
作者: Michele Fiori, Davide Mor, Gabriele Civitarese, Claudio Bettini
发布时间: 2025-02-27
来源: arxiv
研究方向: 智能家居环境中的可解释活动识别
主要内容
本文提出了一种名为GNN-XAR的可解释图神经网络系统，用于智能家居环境中的活动识别。该系统通过构建图表示传感器数据，使用图卷积网络进行活动分类，并通过可解释人工智能方法生成自然语言解释。
主要贡献
1. 提出了第一个用于智能家居环境中的可解释图神经网络系统
2. 从原始传感器数据窗口动态构建图，并通过图神经网络进行处理以分类最有可能的活动
3. 利用可解释人工智能方法为每个预测生成自然语言解释
4. 与最先进的可解释活动识别方法相比，GNN-XAR生成了更优的解释，同时略微提高了识别率
研究方法
1. 图神经网络（GNN）
2. 图卷积网络（GCN）
3. 可解释人工智能（XAI）
4. GNNexplainer方法
5. 自然语言生成
实验结果
在两个公共数据集上的实验结果表明，GNN-XAR在整体F1分数上略优于DeXAR，并且在80%的情况下，GNN-XAR生成的解释比DeXAR更受预训练语言模型（LLM）的青睐。
未来工作
研究将继续探索以下方向：集成来自移动/可穿戴设备的连续传感器数据、过去活动的信息和其他上下文信息；改进解释器算法以提供节点或弧的特征信息；研究动态分段对GNN-XAR的影响；以及利用LLM自动从GNNexplainer获得的最重要的节点和弧生成解释。