Rede Neural de Grafos Explicável
Redes Neurais de Grafos Explicáveis (XAI-GNN) combinam arquiteturas GNN padrão com técnicas de explicação post-hoc ou intrínsecas que revelam quais nós, arestas e características de nós impulsionaram a predição de um modelo. Pioneiro pelo GNNExplainer (Ying et al., 2019), o campo aborda a crítica da caixa-preta das GNNs e é essencial sempre que predições baseadas em grafos precisam ser confiáveis ou auditadas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/pt/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.
- Classificação Explicável Baseada em BERTAprendizado profundo↔ compare
- Transformer ExplicávelAprendizado profundo↔ compare
- Rede Neural em GrafosAnálise de redes↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →