arXiv stat.ML· Ryoji Kubo, Samyam Lamichhane, Djellel Difallah·· 15 天前AI 评分28
RAW-Explainer：用于知识图谱补全路径推理 GNN 的事后解释方法
RAW-Explainer: Post-hoc Explanations of Path Reasoning Graph Neural Networks for Knowledge Graph Completion
AI 导读
研究者提出 RAW-Explainer（Random Walk Explainer），这是一种专为路径推理 GNN 设计的事后解释方法，可为知识图谱补全中的链接预测生成连通、简洁且可解释的子图。该方法结合异构信息与随机游走目标，并引入鲁棒评估器解决解释子图远小于全图时的分布偏移问题。标准基准测试表明其兼顾了解释质量与计算效率，代码与数据已公开。
来源：arXiv stat.ML · arxiv.org