L2XGNN：学习解释图神经网络
机器学习
2024-06-17 v4 人工智能
摘要
图神经网络（GNNs）是一类流行的机器学习模型。受学习解释（L2X）范式启发，我们提出L2XGNN，一种可解释的GNN框架，其通过设计提供忠实解释。L2XGNN学习一种机制，用于选择专门在GNN消息传递操作中使用的解释性子图（基序）。L2XGNN能够为每个输入图选择一个具有特定性质（如稀疏且连通）的子图。对此类基序施加约束常能带来更具可解释性与更有效的解释。在多个数据集上的实验表明，L2XGNN在使用整个输入图的基线方法达到相同分类精度的同时，确保仅使用所提供的解释进行预测。此外，我们展示L2XGNN能够识别负责其旨在预测的图性质的基序。
引用
@article{arxiv.2209.14402,
title = {L2XGNN: Learning to Explain Graph Neural Networks},
author = {Giuseppe Serra and Mathias Niepert},
journal= {arXiv preprint arXiv:2209.14402},
year = {2024}
}