Explainable Graph Neural Networks via Structural Externalities

创建于 2025-07-25T08:08:59.729772+08:00 更新于 2025-07-25T08:14:38.839118+08:00

摘要

本论文提出GraphEXT框架，基于合作博弈论中的Shapley值及经济学中外部性概念，创新性地将图结构视为影响GNN预测的外部性，量化节点重要性。通过高效采样策略，GraphEXT在多种合成和真实数据集及多种GNN架构上表现出优异的解释性指标，显著提升模型可解释性和忠实度，为GNN解释研究提供了新的理论视角和实证依据[page::0][page::3][page::5][page::6]。

速读内容

深度阅读