申请/专利权人:云南大学
申请日:2024-01-16
公开(公告)日:2024-04-12
公开(公告)号:CN117875361A
主分类号:G06N3/042
分类号:G06N3/042;G06N3/084;G06F17/18
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种图神经网络解释方法、装置、设备及存储介质,该方法首先通过掩膜的方式找出输入图中重要的节点,对于生成的离散节点通过对比恢复的方式使其具有输入图的结构信息,随后对其生成子图。在进行大规模图解释的过程中,通过掩膜高效的去除对解释起不到关键作用的节点,实现了输入图的小规模化,在处理大规模图的过程中缩短了解释时间,同时使用对比恢复后再生成子图的方式保留输入图的结构信息,最后通过条件熵的方式进行子图的筛选,保证解释的合理性,真实的反映图神经网络的决策过程。由此,可以在时间效率上比较高的同时兼顾保留输入图的结构信息,使人们能够理解模型的决策过程,确保人工智能系统可靠性、公平性和透明度。
主权项:1.一种图神经网络解释方法,其特征在于,所述方法包括以下步骤:S1:定义待解释的图神经网络模型为f*;S2:提取所述图神经网络模型f*对应输入图G中的离散子图Gs;S3:基于所述输入图G和所述离散子图Gs,生成对比恢复子图Gun;S4:构建基于条件熵的策略函数,并利用所述策略函数对对比恢复子图Gun进行剪枝和破环,获得用于解释所述图神经网络模型f*的目标子图Gi。
全文数据:
权利要求:
百度查询: 云南大学 图神经网络解释方法、装置、设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。