【导读】由埃默里大学研究团队开发的GraphNarrator，是首个能为图神经网络生成自然语言解释的创新工具。该工具通过构建和优化解释伪标签，并将其蒸馏到端到端模型中，使模型可直接输出高质量的自然语言解释，从而让复杂的图神经网络决策过程变得透明可理解。该工具已在多个真实数据集上验证了其有效性。

图神经网络（GNN）作为处理结构化数据的核心工具，已被广泛应用于社交网络、药物设计和金融风控等领域。然而，现有GNN的决策过程往往高度复杂且缺乏透明度——模型为何做出特定预测？关键依据是什么？这些问题成为阻碍其大规模应用的主要瓶颈。

目前大多数解释方法（如GNNExplainer、PGExplainer等）主要基于"重要子图提取"或"节点-边归因"技术，但这些方法只能输出结构片段，缺乏人类可读性，且难以处理具有文本属性的节点（如文献图、商品图）。

针对这一挑战，埃默里大学团队开发了GraphNarrator，这是首个能够为GNN生成自然语言解释的工具，成功将图神经网络从"黑盒模型"转变为"有理有据的决策体"。该工具特别关注具有文本属性的图（Text-Attributed Graphs, TAGs），即节点特征为自然语言文本（如论文摘要、商品描述等）的图结构。

该研究的主要贡献包括：- 首创自然语言解释框架，将TAG图解释从结构层面扩展到语言层面；- 统一结构化与语言信息，桥接图结构推理与大语言模型理解能力；- 开源工具链，提供高质量伪标签构造器和自监督蒸馏方法，便于迁移到各类GNN任务。

研究团队由埃默里大学博士生Bo Pan（第一作者）、南加州大学硕士生Zhen Xiong和埃默里大学博士生Guanchen Wu（共同第一作者）组成，通讯作者为埃默里大学计算机系副教授Liang Zhao。该成果已被ACL2025主会接收。

GraphNarrator的工作原理包含三个关键步骤：1. 伪标签生成：使用显著性分析方法提取重要文本和关键邻居节点，转化为结构化Prompt后输入GPT模型生成解释伪标签；2. 伪标签优化：通过忠实性（与模型预测一致）和简洁性（信息浓缩可读）两大标准筛选高质量伪标签；3. 解释器蒸馏：将优化后的伪标签蒸馏到端到端模型（研究中使用LlaMA 3.1 8B），实现直接输出解释语句。

研究团队在多个真实TAG数据集（Cora、DBLP、PubMed）上进行了系统评估，对比对象包括主流大语言模型（LLaMA 3.1-8B、GPT-3.5、GPT-4o）的零样本解释生成，以及基于GPT-4o的显著性解释模板转换方法（SMV）。

评估结果显示，GraphNarrator在自动评测中表现出色：在Simulatability指标上领先8-10%，PMI-10%覆盖率平均提升8.2%，解释长度缩短13%以上。在人工评测中，GraphNarrator在易读性、洞察力、结构信息和语义信息四个维度均优于对比方法，特别是在结构理解方面优势显著（提升33%），其解释更流畅、逻辑更清晰，获得了用户的高度认可。

李沐尘和林曼卿小说最新全文

主角是李沐尘、林曼卿的小说是《镇国神师》。这本小说的作者是市井仙人，小说主要以男主李沐尘下山退婚为开端，讲述了李沐尘和林蔓卿之间的感情故事。这本小说整体叙事风格行云流水，没有一丝一毫的拖沓，作者的文笔极佳，值得入坑。内容简介：他曾是天之骄子，却遭人陷害，入狱七年，机缘巧合获得医圣...。

情侣。1、爷爷突然横死，只给李沐辰留下一纸豪门婚约，无助的李沐辰，被路过的昆仑仙人云阳子带走，遇到林曼卿成为了情侣。2、《镇国神师》是李沐尘钱坤的一本情节与文笔俱佳的都市言情小说。