Zelf-verklaarbaar multi-label grafisch neuraal netwerk voor gecorreleerde bewijsattributie

arXiv:2608.27574v1 Aankondigingstype: nieuw. Samenvatting: Multi-label graph learning beoogt de intrinsieke complexiteit van toepassingen in de echte wereld te vatten, waar één sample vaak gerelateerd is aan meerdere groepen of uit meerdere objecten bestaat. Tot op heden bestaan er een handvol methoden voor multi-label graph learning, maar geen daarvan integreert interpretatievermogen tijdens het trainen. Hoewel er post-hoc graph explainers zijn ontwikkeld, modelleren deze niet expliciet het delen van label-afhankelijk bewijs in multi-label graaf...