一种基于图神经网络的化学分子结构的可解释方法

本发明属于图神经网络技术领域，涉及一种基于图神经网络的化学分子结构的可解释方法，包括：获取化学分子smiles表达式，将化学分子smiles表达式转换为分子图；对分子图进行拆分，得到同构官能团子图；对分子图提取节点特征和边特征；根据节点特征和边特征对同构官能团子图进行掩码；将分子图输入到训练后的图神经网络进行分子结构性能预测，得到预测结果；根据预测结果采用解释子图提取函数对掩码后的同构官能团子图进行处理，得到分子性能解释子图；对分子性能解释子图进行可视化；本发明通过归因函数计算子图对神经网络的预测贡献度去解释输入，在解释过程中基于领域知识的约束，提高了解释结果的语义性以及降低了解释的复杂度。