Объяснимые графовые нейронные сети
Объяснимые графовые нейронные сети (XAI-GNN) сочетают стандартные архитектуры GNN с пост-хок или внутренними методами объяснения, которые показывают, какие узлы, рёбра и признаки узлов обусловили предсказание модели. Эта область, пионером которой стал GNNExplainer (Ying et et al., 2019), решает проблему «чёрного ящика» GNN и является необходимой везде, где требуется доверие или аудит графовых предсказаний.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Explainable Graph Neural Network (XAI-GNN). ScholarGate. https://scholargate.app/ru/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.
- Объяснимая классификация на основе BERTГлубокое обучение↔ compare
- Объяснимый ТрансформерГлубокое обучение↔ compare
- Графовая нейронная сетьСетевой анализ↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →