关于后处理 GNN 解释器对标签噪声的鲁棒性
机器学习
2023-09-11 v2 人工智能
摘要
作为图神经网络（GNNs）固有黑箱局限性的解决方案，后处理 GNN 解释器旨在对训练好的 GNN 所表现出的行为提供精确且深入的解释。尽管近期在学术与工业界取得了显著进展，后处理 GNN 解释器在面对标签噪声时的鲁棒性仍未被探索。为弥补这一空白，我们开展了系统的实证研究，以评估不同程度上标签噪声下各类后处理 GNN 解释器的效能。我们的结果揭示了若干关键见解：首先，后处理 GNN 解释器易受标签扰动影响。其次，即便对 GNN 性能无足轻重的轻微标签噪声，也会大幅损害所生成解释的质量。最后，我们就解释有效性随噪声水平升高而逐步恢复进行了探讨。
引用
@article{arxiv.2309.01706,
title = {On the Robustness of Post-hoc GNN Explainers to Label Noise},
author = {Zhiqiang Zhong and Yangqianzi Jiang and Davide Mottin},
journal= {arXiv preprint arXiv:2309.01706},
year = {2023}
}