-
公开(公告)号:CN113269310A
公开(公告)日:2021-08-17
申请号:CN202110617192.0
申请日:2021-06-03
Applicant: 北京邮电大学
Abstract: 基于反事实的图神经网络可解释性方法涉及图神经网络解释方法技术领域,解决了现有可理解性和可信度弱的问题,包括:步骤一、根据待解释的大图G和大图上的目标节点vi,使用深度优先搜索算法进行解释子图Gi枚举;步骤二、对每个枚举得到的解释子图计算可模拟性和反事实相关性,将每个Gi的可模拟性排名和其反事实相关性排名相加得到每个Gi的综合排名,根据所有Gi的综合排名选取综合排名靠前的Gi作为最优Gi;步骤三、分析最优Gi的鲁棒性。本发明设计了一种基于图表的反事实解释形式,更易于人类理解,提出了图神经网络解释的鲁棒性指标,有利于提高解释的可信度。采用本发明基于反事实的图神经网络可解释性方法得到的反事实解释可以更好地被人们所理解和接受。