一种用于缺陷检测的图神经网络可解释性方法、系统、设备及介质

本发明涉及图神经网络技术领域，具体地说，涉及一种用于缺陷检测的图神经网络可解释性方法、系统、设备及介质；该方法首先根据获取的工业半导体数据构建半导体图；并嵌入特征至不同类型的节点，构建半导体图神经网络；其次，初始化半导体图神经网络的可解释性模型参数；然后调用随机近似退火算法生成候选节点，并计算边际增益，得到近似全局最优的解释性子图；最后调用学习剪枝算法，预测节点的解释性得分并过滤，直至损失函数收敛，得到训练完成的全局模型；在提升解释性的同时，保证全局最优解的逼近和更高的收敛速度。