GRExplainer: 时序图神经网络的通用解释方法
Research Paper#Graph Neural Networks, Explainable AI🔬 Research|分析: 2026年1月3日 19:37•
发布: 2025年12月28日 04:24
•1分で読める
•ArXiv分析
本文解决了时序图神经网络（TGNN）的可解释性问题，TGNNs 越来越多地用于动态图分析。 提出的 GRExplainer 方法通过提供通用、高效和用户友好的方法来解决现有可解释性方法的局限性。 重点关注通用性（支持各种 TGNN 类型）、效率（降低计算成本）和用户友好性（自动解释生成）是对该领域的重要贡献。 在真实世界数据集上的实验验证以及与基线的比较进一步增强了论文的影响。