图神经网络(GNNs)已经证明了对图数据的预测性能的显著提高。与此同时，这些模型做出的预测往往难以解释。在这方面，已经有很多人从GNNExplainer、XGNN和PGExplainer等角度来解释这些模型的预测机制。虽然这些工作提供了解释GNN的系统框架，但对可解释GNN的全面综述还没有。在这项综述中，我们提出了一个可解释GNN的全面综述。重点研究可解释图神经网络，并基于可解释方法对其进行分类。在此基础上，我们进一步给出了解释GNN的常用性能指标，并指出了未来的研究方向。

论文链接：https://arxiv.org/pdf/2207.12599.pdf

内容中包含的图片若涉及版权问题，请及时与我们联系删除