Buchumschlag

Global Concept Explanations for Graphs by Contrastive Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Teufel, Jonas, Friederich, Pascal
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantifying the Intrinsic Usefulness of Attributional Explanations for Graph Neural Networks with Artificial Simulatability Studies
von: Teufel, Jonas, et al.
Veröffentlicht: (2023)

MEGAN: Multi-Explanation Graph Attention Network
von: Teufel, Jonas, et al.
Veröffentlicht: (2022)

Improving Counterfactual Truthfulness for Molecular Property Prediction through Uncertainty Quantification
von: Teufel, Jonas, et al.
Veröffentlicht: (2025)

Conditional Normalizing Flows for Active Learning of Coarse-Grained Molecular Representations
von: Schopmans, Henrik, et al.
Veröffentlicht: (2024)

Concept-Based Abductive and Contrastive Explanations for Behaviors of Vision Models
von: Canizales, Ronaldo, et al.
Veröffentlicht: (2026)

Hyper-Dimensional Fingerprints as Molecular Representations
von: Teufel, Jonas, et al.
Veröffentlicht: (2026)

Learning Concept Bottleneck Models from Mechanistic Explanations
von: De Santis, Antonio, et al.
Veröffentlicht: (2026)

Why the Agent Made that Decision: Contrastive Explanation Learning for Reinforcement Learning
von: Zuo, Rui, et al.
Veröffentlicht: (2024)

Contrastive Learning and Abstract Concepts: The Case of Natural Numbers
von: Nissani, Daniel N.
Veröffentlicht: (2024)

Contrastive Token-level Explanations for Graph-based Rumour Detection
von: Chin, Daniel Wai Kit, et al.
Veröffentlicht: (2025)

Contextualized Policy Recovery: Modeling and Interpreting Medical Decisions with Adaptive Imitation Learning
von: Deuschel, Jannik, et al.
Veröffentlicht: (2023)

Variational Graph Contrastive Learning
von: Xie, Shifeng, et al.
Veröffentlicht: (2024)

ConceptFlow: Hierarchical and Fine-grained Concept-Based Explanation for Convolutional Neural Networks
von: Mu, Xinyu, et al.
Veröffentlicht: (2025)

ConceptLens: from Pixels to Understanding
von: Dalal, Abhilekha, et al.
Veröffentlicht: (2024)

Interpreting Language Reward Models via Contrastive Explanations
von: Jiang, Junqi, et al.
Veröffentlicht: (2024)

TACENR: Task-Agnostic Contrastive Explanations for Node Representations
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2026)

CLDG: Contrastive Learning on Dynamic Graphs
von: Xu, Yiming, et al.
Veröffentlicht: (2024)

Self-Reinforced Graph Contrastive Learning
von: Hsieh, Chou-Ying, et al.
Veröffentlicht: (2025)

Is Your Explanation Reliable: Confidence-Aware Explanation on Graph Neural Networks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2025)

Graph Contrastive Learning with Cohesive Subgraph Awareness
von: Wu, Yucheng, et al.
Veröffentlicht: (2024)

TopoGCL: Topological Graph Contrastive Learning
von: Chen, Yuzhou, et al.
Veröffentlicht: (2024)

Oversmoothing: A Nightmare for Graph Contrastive Learning?
von: Li, Jintang, et al.
Veröffentlicht: (2023)

Dual-Kernel Graph Community Contrastive Learning
von: Chen, Xiang, et al.
Veröffentlicht: (2025)

Distributional Regression with Tabular Foundation Models: Evaluating Probabilistic Predictions via Proper Scoring Rules
von: Landsgesell, Jonas, et al.
Veröffentlicht: (2026)

Brain Network Classification Based on Graph Contrastive Learning and Graph Transformer
von: Zhu, ZhiTeng, et al.
Veröffentlicht: (2025)

Deep Contrastive Graph Learning with Clustering-Oriented Guidance
von: Chen, Mulin, et al.
Veröffentlicht: (2024)

Uncovering Capabilities of Model Pruning in Graph Contrastive Learning
von: Wu, Junran, et al.
Veröffentlicht: (2024)

LocalGCL: Local-aware Contrastive Learning for Graphs
von: Jiang, Haojun, et al.
Veröffentlicht: (2024)

Tensor-Fused Multi-View Graph Contrastive Learning
von: Wu, Yujia, et al.
Veröffentlicht: (2024)

Dual-perspective Cross Contrastive Learning in Graph Transformers
von: Yao, Zelin, et al.
Veröffentlicht: (2024)

Perfect Alignment May be Poisonous to Graph Contrastive Learning
von: Liu, Jingyu, et al.
Veröffentlicht: (2023)

EAGLE: Contrastive Learning for Efficient Graph Anomaly Detection
von: Ren, Jing, et al.
Veröffentlicht: (2025)

Local-Global Multimodal Contrastive Learning for Molecular Property Prediction
von: Liu, Xiayu, et al.
Veröffentlicht: (2026)

From Attribution Maps to Human-Understandable Explanations through Concept Relevance Propagation
von: Achtibat, Reduan, et al.
Veröffentlicht: (2022)

Estimation of Concept Explanations Should be Uncertainty Aware
von: Piratla, Vihari, et al.
Veröffentlicht: (2023)

CGCL: Collaborative Graph Contrastive Learning without Handcrafted Graph Data Augmentations
von: Zhang, Tianyu, et al.
Veröffentlicht: (2021)

The GECo algorithm for Graph Neural Networks Explanation
von: Calderaro, Salvatore, et al.
Veröffentlicht: (2024)

GLEAMS: Bridging the Gap Between Local and Global Explanations
von: Visani, Giorgio, et al.
Veröffentlicht: (2024)

Robust Stochastic Graph Generator for Counterfactual Explanations
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2023)

Regional Explanations: Bridging Local and Global Variable Importance
von: Amoukou, Salim I., et al.
Veröffentlicht: (2026)