研究人员开发了APEX，一个旨在为图神经网络（GNN）提供精确Aumann-Shapley归因的新型框架。该框架利用了一种名为PolyGIN的专用GNN架构，该架构保持模型得分的多项式形式。通过利用这种多项式结构，APEX能够使用Gauss-Legendre求积法精确计算归因积分，与传统的近似方法相比，显著减少了所需的评估次数。实验表明，PolyGIN在保持具有竞争力的预测性能的同时，APEX框架提供了更高的归因保真度。 AI
影响 增强了图神经网络的可解释性，有望提高使用图数据的AI应用的信任度和调试能力。
排序理由 学术论文，详细介绍了用于GNN可解释性的新框架和模型架构。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
