A Comparative Study of Counterfactual Explainers for Graph Neural Networks Enabling Multiple Types of Graph Edit
本研究对比了六种最先进的反事实解释器模型,涵盖二元及多分类图与节点分类任务。研究基于真实世界和合成数据集,采用多种定量与定性指标评估性能。尽管支持增删边的反事实解释器已出现,但现有方法在解释大小、覆盖率和质量之间常存在权衡,且缺乏通用高效的方法。该研究旨在识别各方法的优劣,以指导未来研究方向。