文章预览
编辑: 数据派THU 本文 约1.5w字 ,干货满满,建议 收藏 本文对近期提出的 GNN 解释技术进行了系统的总结和分析,归纳对比了该问题的解决思路。 图神经网络的可解释性 是目前比较值得探索的方向,今天解读的2021最新综述,其针对近期提出的 GNN 解释技术进行了系统的总结和分析,归纳对比了该问题的解决思路。作者还为GNN解释性问题提供了标准的图数据集和评估指标,将是这一方向非常值得参考的一篇文章。 论文标题: Explainability in Graph Neural Networks: A Taxonomic Survey 论文地址: https://arxiv.org/pdf/2012.15445.pdf 目录 0.Abstract 1. Introduction 2. 总体框架 3.方法介绍 3.1 基于梯度/特征的方法(Gradients/Features-Based Methods) 3.2 基于扰动的方法(Perturbation-Based Methods) 3.3 基于代理的
………………………………