山东大学学报(工学版)

作者：常新功,苏敏惠,周志刚

单位：山西财经大学信息学院, 山西 太原 030006

关键词：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,

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)

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。

来源：2024年第4期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2024年第4期