論文の概要: Memory networks for consumer protection:unfairness exposed

• arxiv url: http://arxiv.org/abs/2008.07346v1
• Date: Fri, 24 Jul 2020 14:25:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 07:07:35.170827
• Title: Memory networks for consumer protection:unfairness exposed
• Title（参考訳）: 消費者保護のためのメモリネットワーク:不公平が露呈
• Authors: Federico Ruggeri, Francesca Lagioia, Marco Lippi, Paolo Torroni
• Abstract要約: データ駆動型AIメソッドは、法的文書の自動解析をサポートすることで、消費者保護を活用することができる。 本稿では,文脈知識のモデリングにおいて,理論的に重要な役割を負うメモリ拡張ニューラルネットワークの構成について考察する。 以上の結果から,有理性は分類精度の向上に寄与するだけでなく,意味のある自然言語による説明も可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 12.884439911728112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent work has demonstrated how data-driven AI methods can leverage consumer protection by supporting the automated analysis of legal documents. However, a shortcoming of data-driven approaches is poor explainability. We posit that in this domain useful explanations of classifier outcomes can be provided by resorting to legal rationales. We thus consider several configurations of memory-augmented neural networks where rationales are given a special role in the modeling of context knowledge. Our results show that rationales not only contribute to improve the classification accuracy, but are also able to offer meaningful, natural language explanations of otherwise opaque classifier outcomes.
• Abstract（参考訳）: 近年の研究では、法律文書の自動解析をサポートすることによって、データ駆動型AIメソッドが消費者保護を活用する方法が実証されている。 しかし、データ駆動アプローチの欠点は説明しにくい。 この領域において、分類結果の有用な説明は、法的根拠に頼れば得られると仮定する。 そこで我々は、文脈知識のモデリングにおいて有理性が特別な役割を果たすメモリ拡張ニューラルネットワークの構成について考察する。 その結果,分類精度の向上に合理性が寄与するだけでなく,不透明な分類結果の有意義で自然言語的説明も可能となった。

関連論文リスト

• LaPLACE: Probabilistic Local Model-Agnostic Causal Explanations [1.0370398945228227]
  本稿では,機械学習モデルに対する確率論的原因・効果説明を提供するLaPLACE-Explainerを紹介する。 LaPLACE-Explainerコンポーネントはマルコフ毛布の概念を利用して、関連する特徴と非関連する特徴の間の統計的境界を確立する。 提案手法は,LIME と SHAP の局所的精度と特徴の整合性の観点から,因果的説明と性能を向上する。
  論文  参考訳（メタデータ） (2023-10-01T04:09:59Z)
• Explaining Explainability: Towards Deeper Actionable Insights into Deep Learning through Second-order Explainability [70.60433013657693]
  2階説明可能なAI(SOXAI)は、最近インスタンスレベルからデータセットレベルまで説明可能なAI(XAI)を拡張するために提案されている。 そこで本研究では,SOXAIの動作可能な洞察に基づくトレーニングセットから無関係な概念を除外することで,モデルの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-06-14T23:24:01Z)
• Discriminative Attribution from Counterfactuals [64.94009515033984]
  本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。 本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-28T00:53:34Z)
• Explainable Adversarial Attacks in Deep Neural Networks Using Activation Profiles [69.9674326582747]
  本稿では,敵対的事例に基づくニューラルネットワークモデルを検討するためのビジュアルフレームワークを提案する。 これらの要素を観察することで、モデル内の悪用領域を素早く特定できることを示す。
  論文  参考訳（メタデータ） (2021-03-18T13:04:21Z)
• A Taxonomy of Explainable Bayesian Networks [0.0]
  ベイズネットワークにおける説明可能性の分類について紹介する。 我々は、モデルにおける説明可能性の既存の分類、推論または証拠を拡張して、決定の説明を含める。
  論文  参考訳（メタデータ） (2021-01-28T07:29:57Z)
• Generative Counterfactuals for Neural Networks via Attribute-Informed Perturbation [51.29486247405601]
  AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。 異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。 実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
  論文  参考訳（メタデータ） (2021-01-18T08:37:13Z)
• Latent-CF: A Simple Baseline for Reverse Counterfactual Explanations [0.0]
  質の高い説明は公平性を評価するための第一歩である。 それらを製造するためのベースラインを見つけることが重要です。 潜在空間の反事実生成は,基本特徴勾配降下手法の速度と,より複雑な特徴空間指向手法によって生成された反事実の真正性との間にバランスをとることを示す。
  論文  参考訳（メタデータ） (2020-12-16T22:35:42Z)
• Interpretable Representations in Explainable AI: From Theory to Practice [7.031336702345381]
  解釈可能な表現は、ブラックボックス予測システムをターゲットにした多くの説明器のバックボーンである。 人間の理解可能な概念の存在と欠如をエンコードする解釈可能な表現の特性について検討する。
  論文  参考訳（メタデータ） (2020-08-16T21:44:03Z)
• Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
  分析による特徴に基づく説明の新たな評価基準を確立する。 我々は、緩やかに必要であり、予測に十分である新しい説明を得る。 我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
  論文  参考訳（メタデータ） (2020-05-31T05:52:05Z)
• Explainable Deep Classification Models for Domain Generalization [94.43131722655617]
  説明は、深い分類網が決定を下す視覚的証拠の領域として定義される。 トレーニング戦略は周期的な正当性に基づくフィードバックを強制し、モデルが地中真実に直接対応する画像領域に焦点を合わせることを奨励する。
  論文  参考訳（メタデータ） (2020-03-13T22:22:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。