基于对抗因果图学习的可解释性节点分类预测方法

本申请提供了基于对抗因果图学习的可解释性节点分类预测方法，包括：搭建的预测模型包括冗余过滤模块和对抗因果图学习模块；冗余过滤模块和对抗因果图学习模块实现图信息瓶颈机制；冗余过滤模块采用两层图注意力网络GAT结构进行信息聚合，得到节点的嵌入；对抗因果图学习模块采用基于注意力机制的可学习子图采样器对节点的嵌入生成因果解释子图，基于因果增强机制的PGD对抗训练策略，对解释子图嵌入进行梯度扰动优化，生成对抗嵌入，通过多轮扰动迭代获得最终扰动解释子图嵌入；通过多目标损失联合优化，进行端到端的预测模型训练；训练完成后，将节点的嵌入输入至分类器输出预测结果。本申请显著提升了模型的结构透明度和可解释性。