deletion fidelity

图神经网络解释因“删除保真度”定义而模糊不清

研究人员发现，在评估图神经网络（GNN）解释时存在一个关键的歧义，特别是在“删除保真度”的概念上。该指标通常涉及移除排名靠前的边以评估对模型输出的影响，但“删除边”这一行为可以从两个不同的角度来解释：结构删除，它改变了图的整体结构；以及消息抑制，它阻止了边的消息传递而不改变图的上下文。研究发现，这两种干预只有在特定条件下才会重合，例如具有边集无关系数的加性消息传递。当不满足这些条件时，干预的选择会显著影响边归因的评估，从而导致对其保真…