图神经网络解释中移除边干预与保真度关系研究

研究表明，在消息传递型图神经网络（GNN）中，删除边存在“结构删除”与“消息抑制”两种不同的干预方式，二者仅在加性消息传递框架下具备等价性。 研究团队在9个数据集上，针对GIN、GCN和GATv2模型（深度2-5层）进行了验证，发现GCN与GATv2的相对保真度会随干预类型改变而变化，删除保真度并非边排序本身固有的属性。 该研究指出，评估协议需明确报告干预类型及扰动单元，以避免因干预定义模糊导致的解释性偏差，为GNN可解释性评估提供了方法论依据。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。