文章预览
大家好，今天给大家介绍一篇最新Graph LLM相关的研究论文，这篇论文提出了一种名为LLMExplainer的新方法，用于 解决图神经网络(GNN)解释中的学习偏差问题 。该方法地将大语言模型(LLM)作为贝叶斯推理模块嵌入到GNN解释器中，显著提高了解释的准确性和鲁棒性。这项工作为GNN可解释性研究提供了新的视角。 1. 基本信息 标题： LLMExplainer: Large Language Model based Bayesian Inference for Graph Explanation Generation LLMExplainer：基于大语言模型的图解释生成贝叶斯推理 作者及其研究机构：Jiaxing Zhang (New Jersey Institute of Technology),
Jiayi Liu (Purdue University),
Dongsheng Luo (Florida International University),
Jennifer Neville (Purdue University, Microsoft Research),
Hua Wei (Arizona State University) 时间：2024年7月23日（预印本） arXiv链接： https://arxiv.org/abs/2407.15351v2 2. 研究背景 提高GNN的可解释性不仅有助于增强模
………………………………
