Fugu-MT 論文翻訳(概要): Answer-Set Programs for Reasoning about Counterfactual Interventions and Responsibility Scores for Classification

論文の概要: Answer-Set Programs for Reasoning about Counterfactual Interventions and Responsibility Scores for Classification

arxiv url: http://arxiv.org/abs/2107.10159v1
Date: Wed, 21 Jul 2021 15:41:56 GMT
ステータス: 処理完了
システム内更新日: 2021-07-22 14:20:22.884697
Title: Answer-Set Programs for Reasoning about Counterfactual Interventions and Responsibility Scores for Classification
Title（参考訳）: 対実的介入に関する推論プログラムと分類のための責任スコア
Authors: Leopoldo Bertossi and Gabriela Reyes
Abstract要約: 本稿では,分類対象のエンティティに対する対実的介入を宣言的に特定するために,回答セットプログラムをどのように利用できるかを説明する。特に、責任スコアを分類モデルの結果に対する属性に基づく説明として定義し、計算するために使用することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We describe how answer-set programs can be used to declaratively specify counterfactual interventions on entities under classification, and reason about them. In particular, they can be used to define and compute responsibility scores as attribution-based explanations for outcomes from classification models. The approach allows for the inclusion of domain knowledge and supports query answering. A detailed example with a naive-Bayes classifier is presented.
Abstract（参考訳）: 分類対象のエンティティに対する反事実的介入を宣言的に特定し,その原因を解明するために,回答セットプログラムをどのように利用できるかを説明する。特に、分類モデルからの結果の帰結に基づく説明として責任スコアを定義し計算するのに使うことができる。このアプローチはドメイン知識の導入を可能にし、クエリ応答をサポートする。 Naive-Bayes分類器の詳細な例を示す。

関連論文リスト

Open-Set Knowledge-Based Visual Question Answering with Inference Paths [79.55742631375063]
知識に基づく視覚的質問回答(KB-VQA)の目的は、外部知識ベースの助けを借りて質問に対する正しい回答を提供することである。 KB-VQA, Graph pATH ranker (GATHER for brevity) の新しいレトリバーランカパラダイムを提案する。具体的には、グラフの構築、プルーニング、パスレベルのランク付けが含まれており、正確な回答を検索するだけでなく、推論パスを提供して推論プロセスを説明する。
論文参考訳（メタデータ） (2023-10-12T09:12:50Z)
Mitigating Word Bias in Zero-shot Prompt-based Classifiers [55.60306377044225]
一致したクラス先行は、オラクルの上界性能と強く相関していることを示す。また,NLPタスクに対するプロンプト設定において,一貫したパフォーマンス向上を示す。
論文参考訳（メタデータ） (2023-09-10T10:57:41Z)
Using Natural Language Explanations to Rescale Human Judgments [81.66697572357477]
大規模言語モデル(LLM)を用いて順序付けアノテーションと説明を再スケールする手法を提案する。我々は、アノテータのLikert評価とそれに対応する説明をLLMに入力し、スコア付けルーリックに固定された数値スコアを生成する。提案手法は,合意に影響を及ぼさずに生の判断を再スケールし,そのスコアを同一のスコア付けルーリックに接する人間の判断に近づける。
論文参考訳（メタデータ） (2023-05-24T06:19:14Z)
When in Doubt: Improving Classification Performance with Alternating Normalization [57.39356691967766]
分類のための非パラメトリック後処理ステップである交互正規化(CAN)を用いた分類を導入する。 CANは、予測されたクラス確率分布を再調整することで、挑戦的な例の分類精度を向上させる。多様な分類課題にまたがってその効果を実証的に示す。
論文参考訳（メタデータ） (2021-09-28T02:55:42Z)
Reasoning about Counterfactuals and Explanations: Problems, Results and Directions [0.0]
これらのアプローチは柔軟でモジュール化されており、ドメイン知識のシームレスな追加を可能にします。プログラムは、責任に基づく数値スコアを分類結果の属性的説明として指定し、計算するために使用することができる。
論文参考訳（メタデータ） (2021-08-25T01:04:49Z)
Score-Based Explanations in Data Management and Machine Learning: An Answer-Set Programming Approach to Counterfactual Analysis [0.0]
本稿では,データベースにおける問合せ回答のスコアベース説明に対する最近のアプローチと,機械学習における分類モデルによる結果について述べる。スコアの仕様と計算に反実的推論を使うことに対する、応答セットプログラミングに基づく宣言的アプローチに特に重点を置いている。
論文参考訳（メタデータ） (2021-06-19T19:21:48Z)
Hierarchical Modeling for Out-of-Scope Domain and Intent Classification [55.23920796595698]
本稿では,対話システムにおけるスコープ外意図分類に焦点をあてる。ドメインとインテントを同時に分類する共同モデルに基づく階層型マルチタスク学習手法を提案する。実験により、モデルが既存の手法よりも精度、スコープ外リコール、F1で優れていることが示された。
論文参考訳（メタデータ） (2021-04-30T06:38:23Z)
Declarative Approaches to Counterfactual Explanations for Classification [0.0]
本稿では,分類モデル上で入力されたエンティティに対する対実的介入を規定し,計算する解集合プログラムを提案する。結果として生じるカウンターファクト的エンティティは、分類されたエンティティの特徴値に対する因果関係に基づく説明スコアの定義と計算の基盤となる。
論文参考訳（メタデータ） (2020-11-15T00:44:33Z)
Score-Based Explanations in Data Management and Machine Learning [0.0]
本稿では,データベースにおける問合せ応答と分類モデルによる結果について考察する。説明されているアプローチは、主に因果的かつ反事実的な性質である。
論文参考訳（メタデータ） (2020-07-24T23:13:27Z)
Visual Question Answering with Prior Class Semantics [50.845003775809836]
候補解のセマンティクスに関連する追加情報を利用する方法を示す。セマンティック空間における回帰目標を用いて解答予測プロセスを拡張する。提案手法は,様々な質問タイプに対して,一貫性と精度の向上をもたらす。
論文参考訳（メタデータ） (2020-05-04T02:46:31Z)
An ASP-Based Approach to Counterfactual Explanations for Classification [0.0]
本稿では,因果関係に基づく分類モデルに基づく意思決定の基盤として,反実的介入を規定し,計算する解集合プログラムを提案する。ルールベースの分類器のような論理プログラムとして指定できるブラックボックスモデルやモデルに適用することができる。
論文参考訳（メタデータ） (2020-04-28T01:36:26Z)

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。