Краткое содержание

arXiv:2511.13160v1 Тип объявления: cross Аннотация: Графовые нейронные сети (GNN) демонстрируют высокую эффективность в задачах обучения на графах, но их сложные нелинейные операции часто делают их непрозрачными «чёрными ящиками». Эта непрозрачность подрывает доверие пользователей, затрудняет отладку, выявление смещений и внедрение в критически важных областях, требующих объяснимости. Данная статья представляет InteractiveGNNExplainer — фреймворк визуальной аналитики для повышения объяснимости GNN, сфокусированный на классификации узлов. Наша система уникальным образом интегрирует согласованные интерактивные представления (динамические компоновки графов, проекции эмбеддингов, инспекцию признаков, анализ окрестностей) с established пост-фактум (GNNExplainer) и внутренними (внимание GAT) методами объяснения. Ключевым является внедрение интерактивного редактирования графа, позволяющего пользователям проводить «what-if» анализ путём возмущения структур графа и наблюдения за немедленным воздействием на предсказания и объяснения GNN. Мы детально описываем архитектуру системы и, на основе case studies на Cora и CiteSeer,