SIG: 高效可自解释的连续时间动态图神经网络
本文研究了自解释的动态图神经网络(GNNs),旨在预测未来的链接并提供因果解释。通过提出独立和混淆因果模型(ICCM)并整合到深度学习结构中,解决了捕捉基础结构和时间信息的挑战。实验证明,该模型在链接预测准确性、解释质量和对快捷特征的鲁棒性上优于现有方法。
原文中文,约400字,阅读约需1分钟。
本文研究了自解释的动态图神经网络(GNNs),旨在预测未来的链接并提供因果解释。通过提出独立和混淆因果模型(ICCM)并整合到深度学习结构中,解决了捕捉基础结构和时间信息的挑战。实验证明,该模型在链接预测准确性、解释质量和对快捷特征的鲁棒性上优于现有方法。