基于进化集成的图神经网络解释方法

作     者：常新功 苏敏惠 周志刚 CHANG Xingong;SU Minhui;ZHOU Zhigang

作者机构：山西财经大学信息学院山西太原030006 

基　　金：国家自然基金青年资助项目(61902226) 山西省基础研究计划自然科学研究面上资助项目(202203021221218) 山西省研究生教育创新资助项目(2022Y534) 

出 版 物：《山东大学学报（工学版）》 (Journal of Shandong University（Engineering Science）)

年 卷 期：2024年第54卷第4期

页      码：1-12页

摘      要：针对图神经网络模型普遍缺乏可解释性问题,提出一种基于进化集成的图神经网络解释方法,为模型预测提供质量更高的解释。将当前主流图神经网络解释方法GNNExplainer和PGExplainer作为初级解释器,分别为模型预测提供初级解释;基于初级解释结果设计遗传算子,采用改进遗传算法集成两种初级解释结果得到最终解释。在4个真实数据集和4个合成数据集上进行广泛试验,从定性和定量两个角度对试验结果进行评估。试验结果表明,相较于同类算法,提出算法的准确度平均提高17%,忠实度平均提高20%。与传统集成学习融合策略相比,改进遗传算法作为集成器对解释方法的优化效果更为显著,所有指标整体平均提高29%。采用进化集成策略能够显著提高图神经网络解释算法的性能。

主 题 词：图神经网络 进化算法 集成学习 深度学习 机器学习 可解释人工智能 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.6040/j.issn.1672-3961.0.2023.273

馆 藏 号：203138922...