ACGAN-GNNExplainer：用于图神经网络的辅助条件生成式解释器
机器学习
2023-10-12 v2 人工智能
摘要
图神经网络（GNNs）已在多种真实世界应用中证明其有效性，但其内在机制仍属未知。为应对这一挑战并实现可靠决策，近年来提出了许多 GNN 解释器。然而，这些方法常遇局限，包括依赖特定实例、缺乏对未知图的泛化能力、产生可能无效的解释以及保真度不足。为克服这些局限，本文我们将辅助分类器生成对抗网络（ACGAN）引入 GNN 解释领域，并提出一种称为 ACGAN-GNNExplainer 的新 GNN 解释器。我们的方法利用生成器为原始输入图产生解释，同时引入判别器监督生成过程，以确保解释保真度并提升准确性。在合成与真实世界图数据集上的实验评估表明，相较其他现有 GNN 解释器，我们所提方法具有优越性。
引用
@article{arxiv.2309.16918,
title = {ACGAN-GNNExplainer: Auxiliary Conditional Generative Explainer for Graph Neural Networks},
author = {Yiqiao Li and Jianlong Zhou and Yifei Dong and Niusha Shafiabady and Fang Chen},
journal= {arXiv preprint arXiv:2309.16918},
year = {2023}
}