图神经网络的可解释性

模型的可解释性是机器学习领域的重要研究课题，主要关注两个方向，一个是提升模型本身的可解释性，如引入注意力机制、解耦表示学习等技术；另一个是对黑盒模型的事后解释，如特征掩码技术、可视化技术等。图结构提供了额外的拓扑信息，也对可解释技术提出了更高的要求。

第一个工作是Research Track的《XGNN: Towards Model-Level Explanations of Graph Neural Networks》，关注黑盒模型的事后解释，提出了一种基于输入优化的图神经网络事后解释方法。

论文

第二个工作是Applied Data Science Track的《Explainable classification of brain networks via contrast subgraphs》，关注提升模型本身的可解释性，提出了一种基于对比子图的可解释脑网络分类方法。
论文

GNN 可解释性问题 blog
https://www.infoq.cn/article/1OgX48SsVcfPPEjgTmEw?utm_source=tuicool&utm_medium=referral

图神经网络的可解释性相关推荐

图神经网络的解释性综述！
↑↑↑关注后"星标"Datawhale每日干货 & 每月组队学习,不错过Datawhale干货来源:纪厚业,北京邮电大学,图与推荐编辑:数据派THU本文约1.5w字,干 ...
收藏 | 图神经网络的解释性综述
来源:图与推荐本文约1.5w字,干货满满,建议收藏本文对近期提出的 GNN 解释技术进行了系统的总结和分析,归纳对比了该问题的解决思路. 图神经网络的可解释性是目前比较值得探索的方向,今天解读的202 ...
[万字长文] 图神经网络的解释性综述
图神经网络的可解释性是目前比较值得探索的方向,今天解读的2021最新综述,其针对近期提出的 GNN 解释技术进行了系统的总结和分析,归纳对比了该问题的解决思路.作者还为GNN解释性问题提供了标准的图数 ...
「图神经网络复杂图挖掘」的研究进展
来源:专知图神经网络对非欧式空间数据建立了深度学习框架,相比传统网络表示学习模型,它对图结构能够实施更加深层的信息聚合操作.近年来,图神经网络完成了向复杂图结构的迁移,诞生了一系列基于复杂图的图神经 ...
图神经网络 | BrainGNN: 用于功能磁共振成像分析的可解释性脑图神经网络
点击上面"脑机接口社区"关注我们更多技术干货第一时间送达图神经网络简介 GNN是Graph Neural Network的简称,是用于学习包含大量连接的图的联结主义模型.近年来 ...
可信图神经网络综述：隐私，鲁棒性，公平和可解释性
©作者 | 戴恩炎,赵天翔,王苏杭单位 | 宾夕法尼亚州立大学对于可信图神经网络(Trustworthy Graph Neural Networks)在隐私(privacy),鲁棒性(robust ...
图神经网络如何对知识图谱建模？ | 赠书
几乎所有早期的知识图谱嵌入的经典方法都是在对每个三元组打分,在实体和关系的表示中并没有完全考虑到整幅图的结构. 早期,图神经网络的方法在知识图谱嵌入中并没有被重视,主要由于: 早期的图神经网络更多是具 ...
亚马逊马超：如何使用DGL进行大规模图神经网络训练？
演讲嘉宾 | 马超(亚马逊应用科学家) 整理 | 刘静出品 | AI科技大本营(ID:rgznai100) 与传统基于张量(Tensor)的神经网络相比,图神经网络将图 (Graph) 作为输入, ...
31页PPT概述：图神经网络表达能力有多强？
整理 | 一一出品 | AI科技大本营近年来,图神经网络的研究成为深度学习领域的热点. 图是一种数据结构,它对一组对象(节点)及其关系(边)进行建模,由于图结构的强大表现力,用机器学习方法分析图的 ...

图神经网络的可解释性

图神经网络的可解释性相关推荐

最新文章

热门文章