一种基于图神经网络的可解释性分子性质预测方法

本发明属于图神经网络解释领域，具体涉及一种基于图神经网络的可解释性分子性质预测方法，包括：获取图数据G，对图数据进行迭代，生成K个关键子图；获取图神经网络图分类模型，根据图神经网络图分类模型获取节点嵌入；根据节点嵌入得到图的边掩码矩阵；将K个关键子图和掩码矩阵输入到感知器中对每个关键子图进行重要性评分，得到得分矩阵W以及图G中每条边和关键子图模式的归属关系矩阵L；将得分矩阵W和归属关系矩阵输入到掩码更新器重，得到最终掩码矩阵M；根据掩码矩阵M选择掩码值最高的topK条边生成解释子图作为图神经网络图分类模型的解释；本发明采用频繁子图挖掘算法来提取数据中重要的子图模式，从而提高了可解释准确度。