BriefGPT - AI 论文速递
·
Explaining Hypergraph Neural Networks: From Local Explanations to Global Concepts
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出SHypX，一种超图神经网络的后处理解释器，旨在解决可解释性缺失的问题。SHypX通过优化采样的子超图提供局部和全局解释，实验结果表明其忠实度比基线提高了25个百分点。
🎯
关键要点
- 本研究提出SHypX，一种超图神经网络的后处理解释器，旨在解决可解释性缺失的问题。
- SHypX通过优化采样的子超图提供局部和全局解释。
- 在实例层面，SHypX通过优化采样的解释子超图进行输入归因。
- 在模型层面，SHypX利用无监督概念提取生成全局解释子超图。
- 实验结果表明，SHypX在忠实度上比基线平均提高了25个百分点，展示了其显著的影响力。
➡️
