澳门人威尼斯官方常毅教授指导的澳门人威尼斯官方常毅教授指导的2020级博士研究生黄强的论文GraphLIME: Local Interpretable Model Explanations for Graph Neural Networks近日被CCF-A类期刊IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING（简称TKDE）接收。
黄强同学为第一作者。TKDE是人工智能、机器学习以及数据挖掘领域顶级的学术期刊之一，CCF-A。
黄强从事特征选择、因果数据挖掘相关的研究工作，本篇文章与澳门人威尼斯官方的田原老师，日本京都大学的Makoto Yamada老师合作完成。
论文详情：
题目：GraphLIME: Local Interpretable Model Explanations for Graph Neural Networks
第一作者：黄强
合作导师：常毅、田原、Makoto Yamada
收录期刊：TKDE
论文概述：图结构数据在物理、化学、生物、计算机视觉和社交网络等各个领域都有广泛的适用性。近些年，图神经网络（GNN）由于其良好的性能和泛化能力，被证明是一种可以有效表示和建模图结构数据的机器学习方法。然而，解释GNN模型的有效性是一项具有挑战性的任务，因为其在迭代过程中进行了复杂的非线性转换。本篇研究工作提出了一种非线性的GNN解释框架GraphLIME，这是一个使用Hilbert-Schmidt Independence Criterion (HSIC) Lasso的图结构局部可解释模型方法，HSIC Lasso是一种非线性特征选择方法，相比于线性方法能够更好地逼近GNN的决策过程。GraphLIME是一个通用的GNN模型解释框架，它在被解释节点的子图中局部学习一个非线性可解释模型，并基于该可解释模型产生对应的GNN解释信息。
