論文の概要: Towards Connecting Use Cases and Methods in Interpretable Machine
Learning
- arxiv url: http://arxiv.org/abs/2103.06254v1
- Date: Wed, 10 Mar 2021 18:38:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 12:08:14.430232
- Title: Towards Connecting Use Cases and Methods in Interpretable Machine
Learning
- Title(参考訳): 対話型機械学習におけるユースケースと手法の連携に向けて
- Authors: Valerie Chen, Jeffrey Li, Joon Sik Kim, Gregory Plumb, Ameet Talwalkar
- Abstract要約: 本研究は、IML法の基礎研究と評価を実践可能な分類学に合成する。
この分類は研究者と消費者のギャップを概念化する道具として機能する。
- 参考スコア(独自算出の注目度): 18.2192628076105
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite increasing interest in the field of Interpretable Machine Learning
(IML), a significant gap persists between the technical objectives targeted by
researchers' methods and the high-level goals of consumers' use cases. In this
work, we synthesize foundational work on IML methods and evaluation into an
actionable taxonomy. This taxonomy serves as a tool to conceptualize the gap
between researchers and consumers, illustrated by the lack of connections
between its methods and use cases components. It also provides the foundation
from which we describe a three-step workflow to better enable researchers and
consumers to work together to discover what types of methods are useful for
what use cases. Eventually, by building on the results generated from this
workflow, a more complete version of the taxonomy will increasingly allow
consumers to find relevant methods for their target use cases and researchers
to identify applicable use cases for their proposed methods.
- Abstract(参考訳): IML(Interpretable Machine Learning)の分野への関心が高まっているにもかかわらず、研究者の手法がターゲットとする技術的目標と消費者のユースケースの高レベル目標との間に大きなギャップが持続する。
本研究では,IML法の基礎的研究と評価を実用的分類学に合成する。
この分類法は、研究者と消費者のギャップを概念化するツールとして機能し、その方法とユースケースコンポーネント間の接続の欠如によって説明される。
また、研究者や消費者が協力して、どのようなユースケースに有用な方法を見つけられるように、3段階のワークフローを記述する基盤も提供しています。
最終的に、このワークフローから得られた結果に基づいて、より完全な分類法によって、消費者は、ターゲットとするユースケースや研究者が提案する方法の適切なユースケースを特定するための適切な方法を見つけることができるようになるだろう。
関連論文リスト
- To Classify is to Interpret: Building Taxonomies from Heterogeneous Data
through Human-AI Collaboration [0.39160947065896795]
機械学習(ML)を統合したシステムで分類学の構築を支援する方法について検討する。
本稿では,ユーザが複数のモデルのアウトプットを反復的に考慮できるアプローチを提案する。
論文 参考訳(メタデータ) (2023-07-31T08:24:29Z) - Are Good Explainers Secretly Human-in-the-Loop Active Learners? [0.0]
説明可能なAI(XAI)技術は、ここ数年で複数のユースケースで人気を集めている。
ここでは、モデル予測の研究において、追加のトレーニングデータ収集に使用することを検討する。
これは、クエリ戦略がヒューマン・イン・ザ・ループを含むアクティブ・ラーニングと等価である、と我々は主張する。
論文 参考訳(メタデータ) (2023-06-24T10:50:42Z) - A Matter of Annotation: An Empirical Study on In Situ and Self-Recall
Activity Annotations from Wearable Sensors [79.57744087902266]
そこで本研究では,Wildデータに着目した4つのアノテーション手法を比較した。
本研究は,異なるラベル付け手法がアノテーションの品質に直接影響を及ぼすことを示す。
アクティビティダイアログと可視化ツールを組み合わせることで,参加者のアクティビティデータを検査し,ラベル付けすることができる。
論文 参考訳(メタデータ) (2023-05-15T16:02:56Z) - LLM-based Interaction for Content Generation: A Case Study on the
Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。
以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。
分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文 参考訳(メタデータ) (2023-04-18T15:35:43Z) - Deep Learning for Human Parsing: A Survey [54.812353922568995]
本研究では,人間の意味解析の先駆的な研究の幅広い範囲を網羅する,最先端の人間の構文解析手法の解析を行う。
1) 構造駆動型アーキテクチャは,人体の異なる部分と固有の階層構造を生かし,(2) グラフベースのネットワークは,効率的で完全な人体分析を実現するためにグローバルな情報を捉え,(3) コンテキスト認識ネットワークは,対応するクラスのピクセルを特徴付けるために,すべてのピクセルにわたって有用なコンテキストを探索し,(4) LSTMベースの手法は,短距離と長距離空間の依存関係を結合して,豊富な局所的・グローバルなコンテキストをうまく活用することができる。
論文 参考訳(メタデータ) (2023-01-29T10:54:56Z) - A Unified Comparison of User Modeling Techniques for Predicting Data
Interaction and Detecting Exploration Bias [17.518601254380275]
我々は,4つのユーザスタディデータセットの多種多様なセットにおいて,その性能に基づいて8つのユーザモデリングアルゴリズムを比較し,ランク付けする。
本研究は,ユーザインタラクションの分析と可視化のためのオープンな課題と新たな方向性を強調した。
論文 参考訳(メタデータ) (2022-08-09T19:51:10Z) - Knowledge Graph Induction enabling Recommending and Trend Analysis: A
Corporate Research Community Use Case [11.907821975089064]
本稿では,企業研究コミュニティであるIBM ResearchがセマンティックWeb技術を用いて,統一知識グラフを創出する事例を紹介する。
誘導された知識を活用するための共通パターンのセットを特定し、それらをAPIとして公開する。
これらのパターンは、最も価値のあるユースケースや、緩和すべきユーザの痛点を特定するユーザ調査から生まれました。
論文 参考訳(メタデータ) (2022-07-11T20:51:28Z) - Understanding the World Through Action [91.3755431537592]
ラベルのないデータを利用するための汎用的で原則的で強力なフレームワークは、強化学習から導き出すことができると私は主張する。
このような手順が、下流の潜在的なタスクとどのように密接に一致しているかについて論じます。
論文 参考訳(メタデータ) (2021-10-24T22:33:52Z) - Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
トレーニングデータアーティファクトの識別を容易にする手法を提案する。
提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。
我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
論文 参考訳(メタデータ) (2021-07-01T09:26:13Z) - Towards Ecologically Valid Research on Language User Interfaces [12.960884173005677]
言語ユーザインタフェース(LUI)は、幅広いタスクにおいて人間と機械のインタラクションを改善することができる。
最近の研究は、現代のディープラーニング手法を用いて、データ駆動方式でLUIを構築する試みである。
論文 参考訳(メタデータ) (2020-07-28T19:09:11Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z)
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。