論文の概要: Unsupervised Expressive Rules Provide Explainability and Assist Human Experts Grasping New Domains

• arxiv url: http://arxiv.org/abs/2010.09459v1
• Date: Mon, 19 Oct 2020 13:07:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 21:14:59.965200
• Title: Unsupervised Expressive Rules Provide Explainability and Assist Human Experts Grasping New Domains
• Title（参考訳）: 教師なし表現規則は説明可能性を提供し、新しいドメインを把握できる人間専門家を支援する
• Authors: Eyal Shnarch, Leshem Choshen, Guy Moshkowich, Noam Slonim, Ranit Aharonov
• Abstract要約: 我々は、探索されていないコーパスをその顕著なカテゴリ(またはファセット)によってクラスタ化する複雑な規則を明らかにするための教師なしのアプローチを提案する。 各ルールは、集合するすべてのテキストの共通性を説明する。 本稿では,これらのルールが対象カテゴリを識別する上で有用であることを示すとともに,それらの解釈可能性を評価するユーザスタディを提案する。
• 参考スコア（独自算出の注目度）: 23.073495196919072
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Approaching new data can be quite deterrent; you do not know how your categories of interest are realized in it, commonly, there is no labeled data at hand, and the performance of domain adaptation methods is unsatisfactory. Aiming to assist domain experts in their first steps into a new task over a new corpus, we present an unsupervised approach to reveal complex rules which cluster the unexplored corpus by its prominent categories (or facets). These rules are human-readable, thus providing an important ingredient which has become in short supply lately - explainability. Each rule provides an explanation for the commonality of all the texts it clusters together. We present an extensive evaluation of the usefulness of these rules in identifying target categories, as well as a user study which assesses their interpretability.
• Abstract（参考訳）: 新しいデータへのアプローチは、かなり抑止的になりがちです。一般的に、ラベル付きデータがなく、ドメイン適応メソッドのパフォーマンスが不十分です。 ドメインエキスパートが新しいコーパスに対する新しいタスクへの第一歩として,探索されていないコーパスを顕著なカテゴリ(あるいはファセット)でクラスタ化する複雑なルールを明らかにするための,教師なしのアプローチを提案する。 これらのルールは、人間が読めるので、最近不足している重要な要素である説明可能性を提供する。 各ルールは、クラスタ化されたすべてのテキストの共通性を説明する。 本稿では,対象カテゴリーの識別におけるこれらのルールの有用性を広範囲に評価するとともに,その解釈可能性を評価するユーザ調査を行った。

関連論文リスト

• Counterfactual Explanations via Locally-guided Sequential Algorithmic Recourse [13.95253855760017]
  提案するLocalFACEは,現実的かつ実用的な対実的説明を構成するモデルに依存しない手法である。 提案手法は, ユーザのプライバシーを, 行動可能なアルゴリズムによる会話の構築に必要なデータのみを活用することで保護する。
  論文  参考訳（メタデータ） (2023-09-08T08:47:23Z)
• Novel Class Discovery without Forgetting [72.52222295216062]
  我々は NCDwF: Novel Class Discovery without Forgetting の新たな実用的問題設定を特定し,定式化する。 ラベルのないデータから新しいカテゴリのインスタンスを段階的に発見する機械学習モデルを提案する。 CIFAR-10, CIFAR-100, ImageNet-1000に基づく実験プロトコルを導入し, 知識保持と新しいクラス発見のトレードオフを測定する。
  論文  参考訳（メタデータ） (2022-07-21T17:54:36Z)
• Social Fraud Detection Review: Methods, Challenges and Analysis [42.30892608083864]
  社会的レビューはウェブを支配しており、製品情報の信頼できる情報源となっている。 企業は、単一のユーザ、ユーザグループ、あるいは不正コンテンツを生成するために訓練されたボットを使用して、偽情報を広めるために、ソーシャル情報を利用する。 多くの研究がユーザ行動に基づくアプローチを提案し、不正検出の課題に対処するためのテキストをレビューした。
  論文  参考訳（メタデータ） (2021-11-10T11:25:20Z)
• Unsupervised Learning of Debiased Representations with Pseudo-Attributes [85.5691102676175]
  教師なし方式で,単純かつ効果的な脱バイアス手法を提案する。 特徴埋め込み空間上でクラスタリングを行い、クラスタリング結果を利用して疑似属性を識別する。 次に,非偏り表現を学習するために,クラスタベースの新しい重み付け手法を用いる。
  論文  参考訳（メタデータ） (2021-08-06T05:20:46Z)
• Towards Novel Target Discovery Through Open-Set Domain Adaptation [73.81537683043206]
  オープンソースドメイン適応(OSDA)は、ターゲットドメインが外部のソースドメインでは観察できない新しいカテゴリのサンプルを含むと考えている。 対象領域に見られるカテゴリを正確に識別し,未知のカテゴリのセマンティクス特性を効果的に回復するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-06T04:22:29Z)
• Towards A Category-extended Object Detector without Relabeling or Conflicts [40.714221493482974]
  本稿では,手作業を必要とせずに,限られたデータセットに基づいてすべてのカテゴリを処理可能な,強力な統一型検出器の傾きを目標とする。 提案手法は, 基礎モデルの改善, 未ラベルの地中埋立処分戦略の改善, 疑似アノテーションによる再訓練手法の3つの側面に着目した実践的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-12-28T06:44:53Z)
• Predicting Themes within Complex Unstructured Texts: A Case Study on Safeguarding Reports [66.39150945184683]
  本稿では,教師付き分類手法を用いた保護レポートにおいて,主テーマの自動識別の問題に焦点をあてる。 この結果から,ラベル付きデータに制限のある複雑なタスクであっても,深層学習モデルが対象知識の振る舞いをシミュレートする可能性が示唆された。
  論文  参考訳（メタデータ） (2020-10-27T19:48:23Z)
• Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
  本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
  論文  参考訳（メタデータ） (2020-05-21T20:10:38Z)
• Learning Interpretable and Discrete Representations with Adversarial Training for Unsupervised Text Classification [87.28408260725138]
  TIGANは、テキストを離散コードと連続ノイズを含む2つの非絡み合った表現にエンコードすることを学ぶ。 抽出したトピックの単語は,TIGANが一貫性と高度に解釈可能なトピックを学習していることを示している。
  論文  参考訳（メタデータ） (2020-04-28T02:53:59Z)
• Structured Prediction with Partial Labelling through the Infimum Loss [85.4940853372503]
  弱い監督の目標は、収集コストの安いラベル付け形式のみを使用してモデルを学習できるようにすることである。 これは、各データポイントに対して、実際のものを含むラベルのセットとして、監督がキャストされる不完全なアノテーションの一種です。 本稿では、構造化された予測と、部分的なラベリングを扱うための無限損失の概念に基づく統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2020-03-02T13:59:41Z)

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。