Machine learningDeep learning / NLP / CV
설명 가능한 그래프 신경망
설명 가능한 그래프 신경망(Explainable Graph Neural Networks, XAI-GNN)은 표준 GNN 아키텍처에 사후(post-hoc) 또는 내재적(intrinsic) 설명 기법을 결합하여 모델의 예측을 유도한 노드, 엣지, 노드 특징을 밝혀냅니다. GNNExplainer(Ying et al., 2019)에 의해 개척된 이 분야는 GNN의 블랙박스 비판에 대응하며, 그래프 기반 예측을 신뢰하거나 감사해야 하는 모든 경우에 필수적입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Ying, Z., Bourgeois, D., You, J., Zitnik, M., & Leskovec, J. (2019). GNNExplainer: Generating Explanations for Graph Neural Networks. Advances in Neural Information Processing Systems (NeurIPS), 32, 9240–9251. link ↗
- Yuan, H., Yu, H., Gui, S., & Ji, S. (2023). Explainability in Graph Neural Networks: A Taxonomic Survey. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45(5), 5782–5799. DOI: 10.1109/TPAMI.2022.3204236 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/ko/deep-learning/explainable-graph-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →