今天给大家介绍的是来自美国弗吉尼亚大学Jundong Li教授团队和范德堡大学Tyler Derr教授团队联合发表在KDD 2022上的文章"On Structural Explanation of Bias in Graph Neural Networks".近年来，GNN在各类决策任务中取得较好的表现。然而，因为各种原因，GNN仍可能会对某些输入产生有偏差的预测结果。最近的研究表明，有偏的网络结构是GNN产生偏差预测的重要来源。因此，本文针对节点分类任务，提出事后可解释性方法REFEREE，为节点级的偏差预测提供结构解释——检查输入图中的哪一部分结构会导致给定节点的偏差预测，从而去除该部分结构，以实现更具公平性的GNN预测模型。

地址：https://dl.acm.org/doi/10.1145/3534678.3539319

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