RAW-Explainer

新方法RAW-Explainer增强了用于知识图谱的GNN的可解释性

研究人员开发了RAW-Explainer，一种用于解释知识图谱补全中使用的路径推理图神经网络（GNN）预测的新颖方法。该技术为链接预测任务生成简洁且连接的子图解释，弥补了当前GNN可解释性方法通常侧重于节点或图级别任务的不足。RAW-Explainer利用异构信息进行事实解释，并采用随机游走目标来确保连通性，同时还引入了一个鲁棒的评估器来处理评估较小解释性子图时出现的分布变化。