本文提出了一种自我可解释的图神经网络框架，旨在实现准确的节点分类和解释。该框架通过识别节点的关键邻居，提供基于原型的解释。研究评估了多种可解释性技术，提出了新的评估指标，并探讨了未来的发展方向。实验结果显示，该方法在真实和合成数据集上均表现良好。