×

GNN解释人

swMATH ID: 37864
软件作者: 雷克斯·英(Rex Ying)、迪伦·鲍尔乔伊斯(Dylan Bourgeois)、佳轩佑(Jishoun You)、马林卡·齐特尼克(Marinka Zitnik)、朱尔·莱斯科维奇(Jure Leskovec)
描述: GNNExplainer:为图形神经网络生成解释。图形神经网络(GNN)是机器学习图形的有力工具。GNN通过沿输入图的边缘递归传递神经消息,将节点特征信息和图结构结合起来。然而,结合图形结构和特征信息会导致复杂的模型,而解释GNN所做的预测仍未解决。在这里,我们提出了GNNExplainer,这是第一种通用的模型认知方法,用于为任何基于图形的机器学习任务上的任何基于GNN的模型的预测提供可解释的解释。给定一个实例,GNNExplainer确定了一个紧凑的子图结构和一小部分节点特征,这些特征在GNN的预测中起着关键作用。此外,GNNExplainer可以为整个实例类生成一致而简洁的解释。我们将GNNExplainer表示为一个优化任务,该任务最大化GNN预测和可能子图结构分布之间的互信息。在合成图和真实图上的实验表明,我们的方法可以识别重要的图结构和节点特征,并且比基线性能高17.1
主页: https://arxiv.org/abs/1903.03894
源代码:  https://github.com/ShaharGottlieb/GNNExplainer_DGL
相关软件: PyTorch公司;Rdkit公司;TU数据集;StellarGraph公司;CogDL公司;XGNN公司;分子网;图形AF;图DF;;图EBM;DIG公司;信息图表;DGL公司;蟒蛇;TensorFlow公司;图形库;SchNet公司;稀疏矩阵;LOQO公司
引用于: 7文件

按年份列出的引文