BriefGPT - AI 论文速递
·
解释超图神经网络：从局部解释到全局概念
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了SHypX，一种用于超图神经网络的通用解释器，解决了可解释性问题。SHypX通过优化采样提供局部和全局解释，实例层面进行输入归因，模型层面通过无监督概念提取生成全局解释。实验显示，该方法在忠实度上比基线提高了25%。
🎯
关键要点
- 本研究提出了SHypX，一种用于超图神经网络的通用解释器。
- SHypX解决了超图神经网络的可解释性问题。
- 该方法提供局部和全局解释。
- 在实例层面，通过优化采样的解释子超图进行输入归因。
- 在模型层面，利用无监督概念提取生成全局解释子超图。
- 实验结果显示，该方法在忠实度上比基线提高了25%。
➡️
