GNNExplainer 是一种与模型无关的基于扰动的方法，可以为任何基于图的机器学习任务上的任何基于 GNN 的模型的预测提供可解释的报告。GNNExplainer 学习边和节点特征的软掩码，然后通过掩码的优化来解释预测。GNNExplainer 会获取输入图并识别紧凑的子图结构和在预测中起关键作用的一小部分节点特征。GNNExplainer通过生成传...
三段话总结 gnn-explainer 做了什么。 背景是:针对同质图的可解释性操作,和GNN模型结构无关,主要是分析 node feature 和节点信息聚合过程链路对模型预测的影响。模型支持单点解释和群体解释。 模型的输入输出:以节点预测为例,单点解释也就是输入一个node,返回预测该node任务中贡献最大的子图+子图中节点特征,也就是...
explainer = GNNExplainer(model). 假设x 是节点特征矩阵,edge_index 是边索引,index 是要解释的节点索引,y 是标签。 x = torch.randn(100, in_channels). edge_index = torch.randint(0, 100, (2, 200)). index = torch.tensor([0]). y = torch.randint(0, out_channels, (100,)). important_...
GNNExplainer的目标是生成用于解释节点或图决策的最小图。通过最大化最小图与计算图之间的互信息，实现预测得分差异最小化。此外，通过增加边数的损失来确保生成的图是最小的。最终损失函数结合了预测差异最小化与图规模最小化目标。解释类型 GNNExplainer提供了针对单个节点、一类节点和整个图的解释。关键...
GNNExplainer: Generating Explanations for Graph Neural Networks 一、总览 原文由斯坦福大学的5位大佬带来,作为2019年NIPS的优质论文之一,原文的思想结构很清晰。顾名思义,原文核心提出一个通用的、模型无关的图神经网络(Graph Neural Networks,GNN)的解释器。 相较于比较经典的模型解释方法,如:LIME,SHAP。原文中的...
具体来说,GNN的主要原理可以分为以下几个步骤: 1.初始化:将原始的图结构表示为节点特征矩阵和邻接矩阵。节点特征矩阵表示每个节点的特征向量,邻接矩阵表示节点之间的连接关系。 2.聚合:通过聚合操作,将每个节点的邻居节点的特征进行汇总。一种常见的聚合方式是将邻居节点的特征向量进行加权平均或拼接。 3.更新:通过神...
内容提示: GNNExplainer: Generating Explanationsfor Graph Neural NetworksRex Ying † Dylan Bourgeois †,‡ Jiaxuan You † Marinka Zitnik † Jure Leskovec †† Department of Computer Science, Stanford University‡ Robust.AI{rexying, dtsbourg, jiaxuan, marinka, jure}@cs.stanford.edu...
作者首先归纳了GNN的三个步骤: (1)MSG, 构建节点之间需要传递的消息. (2)AGG,收集节点相关的消息. (3)UPDATE, 更新节点表示.下图解释了GNNExplainer要做的事情:自动发现重要的消息和特征. 2.1Explanation via Structural Information 2.2Explanation via Feature Information ...
GNNExplainer: Generating Explanations for Graph Neural Networks论文阅读笔记 摘要 因为结合图结构和特征信息会导致复杂的模型,解释GNN的预测没有得到解决,所有提出了一个GNNExplainer,是第一个通用的,与模型无关的方法,可以为任何基于图的机器学习任务上的任何基于GNN的模型预测提供可解释的解释。给定一个实例,...
extends java.lang.Object GNNExplainer object that can be used to request explanations for GraphWise model predictions. Either SupervisedGnnExplainer or UnsupervisedGnnExplainer should be used to request explanations. See GnnExplainerConfig classes for a documentation of explainer configuration options.Since...