PAGE: Prototype-Based Model-Level Explanations fo- Graph Neural Networks
题目：PAGE：图神经网络的基于原型的模型级解释
作者：
Yong-Min Shin; Sun-Woo Kim; Won-Yong Shin
源码：github.com/jordan7186/PAGE
摘要
图神经网络（GNNs）作为一种强大的框架，正在改变图表示学习，吸引了显著的关注。对GNN模型的解释需求也在不断增加。尽管已经开发了各种GNN解释方法，但大多数研究都集中在实例级解释上，这些解释是为给定的图实例量身定制的。在我们的研究中，我们提出了一种新颖的模型级GNN解释方法，即基于原型的GNN解释器（PAGE），它通过发现人类可解释的原型图来解释图分类中底层GNN模型学到了什么。我们的方法为给定的类别产生解释，因此能够提供比实例级解释更简洁、更全面的解释。首先，PAGE在图级embedding空间上对类区分输入图的embedding进行聚类后选择它们。然后，PA