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%。