PGM-Explainer建立了一个概率图模型,为GNN提供实例级解释。
-
论文标题:PGM-Explainer: Probabilistic Graphical Model Explanations for Graph Neural Networks
PGM-Explainer实验
实验目的
研究PGM-Explainer的有效性
实验方案
合成数据集的节点分类
与其他解释器做对比实验
使用六个合成数据集。
每个输入图都是一个基础图和一组 motifs 的组合。
ground-truth:与被预测节点处于同一 motif 中的节点。
由于ground-truth的解释是清楚的,我们使用准确度作为评估标准
真实数据集的节点分类
与其他解释器做对比实验
使用比特币账户数据集。
解释中未对目标进行评级或对目标进行负面评级的任何帐户都将被视为“错误帐户”。
基于精度而不是准确性来评估解释,解释的精确度是通过将“没有错误的帐户”除以该解释中的帐户总数来计算的。
真实数据集的图分类
与其他解释器做对比实验