Oct, 2023
GNNX-BENCH: 透过深入的基准测试揭示基于扰动的 GNN 解释器的实用性
GNNX-BENCH: Unravelling the Utility of Perturbation-based GNN Explainers through In-depth Benchmarking
Mert Kosan, Samidha Verma, Burouj Armgaan, Khushbu Pahwa, Ambuj Singh...
TL;DR该论文主要研究了解释性方法对图神经网络的作用,通过对扰动解释性方法进行评估和比较,发现某些方法在噪声存在时表现出较高的效果和稳定性,同时发现当前的反事实解释方法在特定领域的拓扑约束下存在可行性问题。该研究全面了解了图神经网络领域中最先进的解释性方法,并提出了进一步改进的研究问题和实际应用的影响。