可解释图神经网络综述：分类体系与评估指标
机器学习
2023-05-24 v2 人工智能
摘要
图神经网络（GNNs）在图数据上的预测性能取得了显著提升。同时，这些模型做出的预测往往难以解释。在这方面，许多工作致力于从GNNExplainer、XGNN和PGExplainer等角度解释这些模型的预测机制。尽管此类工作提出了诠释GNN的系统框架，但目前仍缺乏对可解释GNN的整体综述。本综述中，我们对为GNN开发的可解释技术进行了全面回顾。我们聚焦于可解释图神经网络，并基于所采用的可解释方法对其进行分类。我们进一步给出了GNN解释常用的性能度量，并指出了若干未来研究方向。
引用
@article{arxiv.2207.12599,
title = {A Survey of Explainable Graph Neural Networks: Taxonomy and Evaluation Metrics},
author = {Yiqiao Li and Jianlong Zhou and Sunny Verma and Fang Chen},
journal= {arXiv preprint arXiv:2207.12599},
year = {2023}
}