論文の概要: On the Computation of Necessary and Sufficient Explanations

• arxiv url: http://arxiv.org/abs/2203.10451v1
• Date: Sun, 20 Mar 2022 04:39:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-22 15:16:46.466785
• Title: On the Computation of Necessary and Sufficient Explanations
• Title（参考訳）: 必要十分説明の計算について
• Authors: Adnan Darwiche and Chunxi Ji
• Abstract要約: 決定の背後にある完全な理由は、決定が下された理由を特徴付けるブール公式である。 本稿では、決定に必要な理由として、完全な理由の素因を言及する。 出力時間において最短の理由を列挙できるアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 11.358487655918676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The complete reason behind a decision is a Boolean formula that characterizes why the decision was made. This recently introduced notion has a number of applications, which include generating explanations, detecting decision bias and evaluating counterfactual queries. Prime implicants of the complete reason are known as sufficient reasons for the decision and they correspond to what is known as PI explanations and abductive explanations. In this paper, we refer to the prime implicates of a complete reason as necessary reasons for the decision. We justify this terminology semantically and show that necessary reasons correspond to what is known as contrastive explanations. We also study the computation of complete reasons for multi-class decision trees and graphs with nominal and numeric features for which we derive efficient, closed-form complete reasons. We further investigate the computation of shortest necessary and sufficient reasons for a broad class of complete reasons, which include the derived closed forms and the complete reasons for Sentential Decision Diagrams (SDDs). We provide an algorithm which can enumerate their shortest necessary reasons in output polynomial time. Enumerating shortest sufficient reasons for this class of complete reasons is hard even for a single reason. For this problem, we provide an algorithm that appears to be quite efficient as we show empirically.
• Abstract（参考訳）: 決定の背後にある完全な理由は、決定が行われた理由を特徴づけるブール公式である。 最近導入されたこの概念には、説明の生成、決定バイアスの検出、反事実クエリの評価など、多くのアプリケーションがある。 完全な理由の素因は決定の十分な理由として知られており、PIの説明や帰納的説明として知られるものに対応する。 本稿では、決定に必要な理由として、完全な理由の素因を言及する。 この用語を意味論的に正当化し、必要な理由が対照的な説明として知られるものに対応することを示す。 また,効率良くクローズドな完全理由を導出する,名目的および数値的特徴を持つ多クラス決定木とグラフの完全理由の計算についても検討した。 我々はさらに,導出された閉形式とsdds (sential decision diagram) の完全理由を含む,幅広い完全理由のクラスに対する最短で十分な理由の計算をさらに検討する。 出力多項式時間において最も短い理由を列挙できるアルゴリズムを提供する。 このクラスの完全な理由の最も短い理由を列挙することは、単一の理由でさえ難しい。 この問題に対して,経験的に示すように,非常に効率的なアルゴリズムを提供する。

関連論文リスト

• Chain-of-Probe: Examing the Necessity and Accuracy of CoT Step-by-Step [81.50681925980135]
  モデル推論における心の変化を探索する手法を提案する。 心的変化のパターンを解析することにより,モデルの推論の正しさを検証した。 我々の検証では、最終回答では正しいが、多くの応答が推論プロセスに誤りを含んでいることが明らかになった。
  論文  参考訳（メタデータ） (2024-06-23T15:50:22Z)
• A New Class of Explanations for Classifiers with Non-Binary Features [11.358487655918676]
  分類器による意思決定の分析において,2種類の説明が文献に注目されている。 非バイナリ機能の存在下では,これらの説明が大幅に改善できることが示唆された。 必要かつ十分な理由が、決定の完全な理由の素因および因果関係であることが示されている。
  論文  参考訳（メタデータ） (2023-04-28T11:05:46Z)
• MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
  複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。 推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。 この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
  論文  参考訳（メタデータ） (2022-10-22T16:01:13Z)
• Reasoning over Logically Interacted Conditions for Question Answering [113.9231035680578]
  我々は、論理的に相互作用する条件のリストによって答えが制約される、より困難なタスクについて研究する。 本稿では,この難解な推論タスクのための新しいモデルTReasonerを提案する。 TReasonerは、2つのベンチマーク条件付きQAデータセットで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-25T16:41:39Z)
• Trading Complexity for Sparsity in Random Forest Explanations [20.87501058448681]
  決定木の厳格な多数を占める主要な要因である主な理由を紹介する。 さまざまなデータセットで実施された実験は、ランタイムの複雑さとスパシティのトレードオフの存在を明らかにしている。
  論文  参考訳（メタデータ） (2021-08-11T15:19:46Z)
• On the Explanatory Power of Decision Trees [20.87501058448681]
  例えば、決定木が入力のサイズよりも指数関数的に大きい場合など、最小サイズのすべての十分な理由の集合を示す。 本稿では,特徴の説明的重要性と十分な理由の数が,モデルカウント操作によってどのように得られるかを示す。 十分な理由とは異なり、決定木が与えられたインスタンスに対するすべての対照的な説明の集合は導出され、最小化され、時間内に数えられる。
  論文  参考訳（メタデータ） (2021-08-11T15:08:11Z)
• Search Methods for Sufficient, Socially-Aligned Feature Importance Explanations with In-Distribution Counterfactuals [72.00815192668193]
  特徴重要度(FI)推定は一般的な説明形式であり、テスト時に特定の入力特徴を除去することによって生じるモデル信頼度の変化を計算し、評価することが一般的である。 FIに基づく説明の未探索次元についていくつかの考察を行い、この説明形式に対する概念的および実証的な改善を提供する。
  論文  参考訳（メタデータ） (2021-06-01T20:36:48Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)
• ExplanationLP: Abductive Reasoning for Explainable Science Question Answering [4.726777092009554]
  本稿では,帰納的推論問題としての質問応答について考察する。 それぞれの選択に対して妥当な説明を構築し、最終回答として最適な説明で候補を選択する。 提案システムであるExplainationLPは,各候補の回答に対して,関連事実の重み付きグラフを構築して説明を行う。
  論文  参考訳（メタデータ） (2020-10-25T14:49:24Z)
• From Checking to Inference: Actual Causality Computations as Optimization Problems [79.87179017975235]
  本稿では、最適化問題として二元非巡回モデルよりも、因果推論の異なる概念を定式化するための新しいアプローチを提案する。 8000ドル以上の変数を持つモデルを用いて,MaxSAT が ILP を上回り,数秒単位でチェック処理を行う場合が多い。
  論文  参考訳（メタデータ） (2020-06-05T10:56:52Z)

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。