节点级图模糊系统

可解释图节点预测

将模糊系统的可解释规则推理与图神经网络的节点表示学习相结合，为图数据节点预测提供兼具可解释性和准确性的新方法。

Fuping, Hu · 邓赵红 · Xie, Zhenping · Zhang, Te · Choi, Kup Sze · Fan, Zhang · 王士同

IEEE Transactions on Fuzzy Systems 2024

技术优势

规则可解释

通过模糊规则和模糊推理进行节点预测，规则前件由节点模糊集构成，为用户提供了可理解的知识表达。

与GNN性能相当

实验表明，GFS-node 在多个基准数据集上结合了模糊系统和传统 GNN 的优点，节点预测精度具有竞争力。

无需黑盒深度模型

该方法避免了对黑盒深度模型的依赖，使用可解释的模糊推理机制完成节点预测任务。

应用场景

• 图神经网络可解释性：用可解释的模糊规则替代黑盒 GNN，便于追溯节点预测依据。
• 节点分类：直接在图上执行节点分类，提供可解释的类别归属原因。
• 知识图谱推理：将推理过程转化为模糊规则，增强知识图谱推理的可解释性。