SEMGNN

新型SEMGNN模型通过集成可解释性增强多标签图学习

研究人员开发了一种新的端到端自解释多标签图神经网络（SEMGNN），旨在同时对多标签节点进行分类并识别有助于每次预测的边。与事后方法不同，SEMGNN在一个框架和训练目标中集成了预测器和稀疏边掩码解释器。这种方法利用标签-标签相关性来增强节点分类准确性和解释的可解释性，确保节点的不同标签由不同但连贯的证据支持。在合成和真实网络上的实验表明，SEMGNN在提供更忠实和紧凑的标签条件解释的同时，实现了具有竞争力的预测性能。