评估图神经网络的邻居解释性
原文中文，约300字，阅读约需1分钟。发表于：。图神经网络（GNNs）中的可解释性是一个新兴领域，在本文中我们讨论了确定每个邻居对于 GNN 在对节点进行分类时的重要性以及如何度量该特定任务性能的问题。为了做到这一点，我们重新构造了各种已知的可解释性方法来获取邻居的重要性，并提出了四个新的度量指标。我们的结果显示，在 GNN 领域中，基于梯度的技术提供的解释几乎没有区别。此外，当使用没有自环的 GNN 时，许多可解释性技术未能识别到重要的邻居。
本文讨论了图神经网络（GNNs）中的可解释性问题，包括确定邻居对于节点分类的重要性和度量任务性能的方法。结果显示基于梯度的技术在GNN领域中提供的解释几乎没有区别。使用没有自环的GNN时，许多可解释性技术未能识别到重要的邻居。
