长文 | 图神经网络的解释性综述

图神经网络的可解释性是目前比较值得探索的方向，今天解读的2021最新综述，其针对近期提出的 GNN 解释技术进行了系统的总结和分析，归纳对比了该问题的解决思路。作者还为GNN解释性问题提供了标准的图数据集和评估指标，将是这一方向非常值得参考的一篇文章。

• 论文标题：Explainability in Graph Neural Networks: A Taxonomic Survey
• 论文地址：https://arxiv.org/pdf/2012.15445.pdf

2万字长文，感兴趣的可以戳链接~

• 0 Abstract
• 1 Introduction
• 2 总体框架

• 3 方法介绍

  • 3.1 基于梯度/特征的方法（Gradients/Features-Based Methods）
  • 3.2 基于扰动的方法（Perturbation-Based Methods）
  • 3.3 基于代理的方法（Surrogate Methods）
  • 3.4 分解方法（Decomposition Methods）

• 4 模型级方法

• 5 评估模型

  • 5.1 Datasets
    • 5.1.1 Synthetic data
    • 5.1.2 Sentiment graph data
    • 5.1.3 Molecule data
  • 5.2 Evaluation Metrics
    • 5.2.1 Fidelity/Infidelity
    • 5.2.2 Sparsity
    • 5.2.3 Stability
    • 5.2.4 Accuracy

• 6 Conclusion

• 参考文献

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