GDLNN：将编程语言与神经网络结合用于准确且易解释的图分类
机器学习
2025-10-02 v1 计算与语言
摘要
我们提出了 GDLNN，这是一种新的图机器学习架构，用于图分类任务。GDLNN 将一种名为 GDL 的领域特定编程语言与神经网络相结合。GDLNN 的主要优势在于其 GDL 层，能够生成具有表达力和可解释性的图表示。由于图表示是可解释的，可以直接应用现有的模型解释技术来解释 GDLNN 的预测。我们的评估表明，GDL 基于的表示在大多数图分类基准数据集上实现了高准确率，超越了诸如图神经网络等主流图学习方法。应用现有的模型解释技术也能为 GDLNN 的预测生成高质量的解释。此外，在解释成本被纳入考量后，GDLNN 的成本较低。
引用
@article{arxiv.2510.00374,
title = {GDLNN: Marriage of Programming Language and Neural Networks for Accurate and Easy-to-Explain Graph Classification},
author = {Minseok Jeon and Seunghyun Park},
journal= {arXiv preprint arXiv:2510.00374},
year = {2025}
}