論文の概要: XPROAX-Local explanations for text classification with progressive
neighborhood approximation
- arxiv url: http://arxiv.org/abs/2109.15004v1
- Date: Thu, 30 Sep 2021 11:01:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-01 14:47:01.355295
- Title: XPROAX-Local explanations for text classification with progressive
neighborhood approximation
- Title(参考訳): プログレッシブ近傍近似を用いたテキスト分類のためのxproax-local explanations
- Authors: Yi Cai, Arthur Zimek, Eirini Ntoutsi
- Abstract要約: 本稿では,初期ランドマークとして対実例を用いた周辺地域の漸進的近似を提案する。
すると、カウンターファクトアルを洗練し、説明すべき入力インスタンスの近傍で事実を生成する。
実世界のデータセットに対する我々の実験は,本手法が有用性と安定性の点で競合に勝ることを示した。
- 参考スコア(独自算出の注目度): 13.312630052709766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The importance of the neighborhood for training a local surrogate model to
approximate the local decision boundary of a black box classifier has been
already highlighted in the literature. Several attempts have been made to
construct a better neighborhood for high dimensional data, like texts, by using
generative autoencoders. However, existing approaches mainly generate neighbors
by selecting purely at random from the latent space and struggle under the
curse of dimensionality to learn a good local decision boundary. To overcome
this problem, we propose a progressive approximation of the neighborhood using
counterfactual instances as initial landmarks and a careful 2-stage sampling
approach to refine counterfactuals and generate factuals in the neighborhood of
the input instance to be explained. Our work focuses on textual data and our
explanations consist of both word-level explanations from the original instance
(intrinsic) and the neighborhood (extrinsic) and factual- and
counterfactual-instances discovered during the neighborhood generation process
that further reveal the effect of altering certain parts in the input text. Our
experiments on real-world datasets demonstrate that our method outperforms the
competitors in terms of usefulness and stability (for the qualitative part) and
completeness, compactness and correctness (for the quantitative part).
- Abstract(参考訳): ブラックボックス分類器の局所的決定境界を近似するための局所代理モデルの訓練における地区の重要性は既に文献で強調されている。
生成オートエンコーダを用いてテキストのような高次元データのためのより良い近傍を構築する試みがいくつか行われた。
しかし、既存のアプローチは主に潜在空間から純粋にランダムに選択し、良い局所決定境界を学ぶために次元の呪いの下で苦労することで隣人を生成する。
そこで本研究では, 初期ランドマークとして反実例を用いた周辺地域の漸進的近似と, 適切な2段階サンプリング手法を用いて, 提案する入力事例の近傍の事実を抽出する手法を提案する。
本研究はテキストデータに焦点をあて,本論文では,原文(内在的)と近隣(外在的)の単語レベルの説明と,近隣生成プロセス中に発見された事実的・反実的事象の両方から,入力テキストの特定の部分を変更する効果を明らかにする。
実世界のデータセットを用いた実験により,本手法は,有用性と安定性(定性部分),完全性,コンパクト性,正確性(量的部分)において,競合より優れることを示した。
関連論文リスト
- Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。
DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。
10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
論文 参考訳(メタデータ) (2024-07-20T01:34:13Z) - Guarantee Regions for Local Explanations [29.429229877959663]
局所的な説明が正しいと保証される領域を同定するアンカーベースアルゴリズムを提案する。
提案手法は,局所代理モデルの予測が予測モデルと一致するように保証される,解釈可能な特徴整合ボックスを生成する。
論文 参考訳(メタデータ) (2024-02-20T06:04:44Z) - Trust your Good Friends: Source-free Domain Adaptation by Reciprocal
Neighborhood Clustering [50.46892302138662]
我々は、ソースデータがない場合に、ソース事前学習されたモデルをターゲット領域に適応させる、ソースフリー領域適応問題に対処する。
提案手法は,ソースドメイン分類器と一致しない可能性のあるターゲットデータが,依然として明確なクラスタを形成しているという観測に基づいている。
本研究では, この地域構造を, 地域住民, 相互隣人, 及び拡張近所を考慮し, 効率的に把握できることを実証する。
論文 参考訳(メタデータ) (2023-09-01T15:31:18Z) - Robust Networked Federated Learning for Localization [7.332862402432447]
本稿では,データを複数のデバイスに分散するフェデレーション環境での非滑らかな近似問題に対処する。
本稿では,分散サブグラディエントフレームワークにおけるロバストな定式化を,これらの障害に対処するために明示的に設計した,$L_$-normを採用する手法を提案する。
論文 参考訳(メタデータ) (2023-08-31T13:54:37Z) - Improving the Robustness of Summarization Systems with Dual Augmentation [68.53139002203118]
頑健な要約システムは、入力中の特定の単語の選択やノイズに関わらず、文書のギストをキャプチャできるべきである。
まず,単語レベルの同義語置換や雑音を含む摂動に対する要約モデルの頑健性について検討する。
SummAttackerを提案する。これは言語モデルに基づく対数サンプルを生成するための効率的な手法である。
論文 参考訳(メタデータ) (2023-06-01T19:04:17Z) - Explaining text classifiers through progressive neighborhood
approximation with realistic samples [19.26084350822197]
地域説明手法における地区建設の重要性が文献で強調されている。
高次元データ(例えばテキスト)の近傍品質を改善するために、生成モデルを採用するなど、いくつかの試みがなされている。
提案手法は,2段階の慎重なアプローチにより,説明すべき決定の近傍を洗練させるプログレッシブ近似手法を提案する。
論文 参考訳(メタデータ) (2023-02-11T11:42:39Z) - Point-Level Region Contrast for Object Detection Pre-Training [147.47349344401806]
本稿では,物体検出作業のための自己教師付き事前学習手法である点レベル領域コントラストを提案する。
提案手法は,異なる領域から個々の点対を直接抽出することにより,コントラスト学習を行う。
領域ごとの集約表現と比較すると,入力領域の品質の変化に対して,我々のアプローチはより堅牢である。
論文 参考訳(メタデータ) (2022-02-09T18:56:41Z) - Receptive Multi-granularity Representation for Person Re-Identification [46.99913453669368]
本稿では,ストライプに基づく特徴学習を容易にするために,受動的多粒性学習手法を提案する。
2分岐ネットワークアーキテクチャにより、識別的アイデンティティ表現のスケールが異なることが分かる。
本手法は, Market-1501 ベンチマークにおいて96.2%@Rank-1 または 90.0%@mAP の最先端精度を実現する。
論文 参考訳(メタデータ) (2020-08-31T09:26:08Z) - A flexible outlier detector based on a topology given by graph
communities [0.0]
異常検出は機械学習手法と統計的予測モデルの最適性能に不可欠である。
トポロジーは、特徴空間内の互いに隣接する近傍を成す重み付きグラフのコミュニティを用いて計算される。
当社のアプローチは、ローカル戦略とグローバル戦略の両方において、複数のビュー設定と単一ビュー設定で総合的に優れています。
論文 参考訳(メタデータ) (2020-02-18T18:40:31Z) - Contradictory Structure Learning for Semi-supervised Domain Adaptation [67.89665267469053]
現在の逆順応法は、クロスドメインの特徴を整列させようとする。
1)条件分布ミスマッチ、2)決定境界のソース領域へのバイアス。
本稿では,対向構造の学習を統一することで,半教師付きドメイン適応の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) (2020-02-06T22:58:20Z)
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。