Aug, 2022
图神经网络的可解释性评估
Evaluating Explainability for Graph Neural Networks
Chirag Agarwal, Owen Queen, Himabindu Lakkaraju, Marinka Zitnik
TL;DR本文介绍了一种名称为 ShapeGGen 的数据生成器，它可以生成各种基准数据集，并配备了地面真实解释。ShapeGGen 通过生成多样的综合数据集和相关地面真实解释，允许我们模仿各种现实应用程序生成的数据。ShapeGGen 和几个真实世界的图形数据集被包括在一个开源的图解释库中，名为 GraphXAI。除了具有地面真实解释的综合和真实世界的图形数据集外，GraphXAI 还提供数据加载器，数据处理函数，可视化器，GNN 模型实现和评估指标，以评估 GNN 可解释性方法的性能。