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

• LLM-assisted Explicit and Implicit Multi-interest Learning Framework for Sequential Recommendation [50.98046887582194]
  本研究では,ユーザの興味を2つのレベル – 行動と意味論 – でモデル化する,明示的で暗黙的な多目的学習フレームワークを提案する。 提案するEIMFフレームワークは,小型モデルとLLMを効果的に組み合わせ,多目的モデリングの精度を向上させる。
  論文  参考訳（メタデータ） (2024-11-14T13:00:23Z)
• Topological Methods in Machine Learning: A Tutorial for Practitioners [4.297070083645049]
  トポロジカル機械学習(TML)は、代数的トポロジの技法を利用して複雑なデータ構造を分析する分野である。 このチュートリアルは、2つの重要なTMLテクニック、永続的ホモロジーとMapperアルゴリズムの包括的な紹介を提供する。 アクセシビリティを高めるために、私たちはデータ中心のアプローチを採用し、読者はこれらのテクニックを関連するタスクに適用したハンズオン体験を得ることができる。
  論文  参考訳（メタデータ） (2024-09-04T17:44:52Z)
• Extraction of Research Objectives, Machine Learning Model Names, and Dataset Names from Academic Papers and Analysis of Their Interrelationships Using LLM and Network Analysis [0.0]
  本研究では,研究論文からタスクや機械学習手法,データセット名を抽出する手法を提案する。 提案手法の表現抽出性能は,Llama3を用いた場合,様々なカテゴリでFスコアが0.8を超えている。 ファイナンシャルドメイン論文のベンチマーク結果は,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-08-22T03:10:52Z)
• POGEMA: A Benchmark Platform for Cooperative Multi-Agent Navigation [76.67608003501479]
  主評価指標の基礎に基づいて計算された領域関連メトリクスの範囲を定義する評価プロトコルを導入・指定する。 このような比較の結果は、様々な最先端のMARL、検索ベース、ハイブリッド手法を含むものである。
  論文  参考訳（メタデータ） (2024-07-20T16:37:21Z)
• Towards Coarse-to-Fine Evaluation of Inference Efficiency for Large Language Models [95.96734086126469]
  大規模言語モデル(LLM)は、ユーザが仕事を達成するのを助けるアシスタントとして機能し、高度なアプリケーションの開発をサポートする。 LLMの幅広い応用にとって、推論効率は重要な問題であり、既存の研究で広く研究されている。 各種コードライブラリの推論性能の粗大な解析を行う。
  論文  参考訳（メタデータ） (2024-04-17T15:57:50Z)
• 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)
• 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)
• 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)
• 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)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)
• 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)

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。