Fugu-MT 論文翻訳(概要): Enriching Artificial Intelligence Explanations with Knowledge Fragments

論文の概要: Enriching Artificial Intelligence Explanations with Knowledge Fragments

arxiv url: http://arxiv.org/abs/2204.05579v1
Date: Tue, 12 Apr 2022 07:19:30 GMT
ステータス: 処理完了
システム内更新日: 2022-04-13 12:44:07.873322
Title: Enriching Artificial Intelligence Explanations with Knowledge Fragments
Title（参考訳）: 知識フラグメントによる人工知能説明の充実
Authors: Jo\v{z}e M. Ro\v{z}anec, Elena Trajkova, Inna Novalija, Patrik Zajec, Klemen Kenda, Bla\v{z} Fortuna, Dunja Mladeni\'c
Abstract要約: この研究は、特定の予測のための機能ランキングを考慮し、メディアニュースエントリ、データセットのメタデータ、Google Knowledge Graphからのエントリを豊かにすることで、説明を構築している。需要予測に関する実世界のユースケースにおける2つのアプローチ(埋め込みベースと意味ベース)を比較した。
参考スコア（独自算出の注目度）: 0.415623340386296
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Artificial Intelligence models are increasingly used in manufacturing to inform decision-making. Responsible decision-making requires accurate forecasts and an understanding of the models' behavior. Furthermore, the insights into models' rationale can be enriched with domain knowledge. This research builds explanations considering feature rankings for a particular forecast, enriching them with media news entries, datasets' metadata, and entries from the Google Knowledge Graph. We compare two approaches (embeddings-based and semantic-based) on a real-world use case regarding demand forecasting.
Abstract（参考訳）: 人工知能モデルは意思決定を知らせるために製造業でますます使われている。責任のある意思決定には正確な予測とモデルの振る舞いの理解が必要である。さらに、モデルの合理性に対する洞察は、ドメイン知識に富むことができます。この研究は、特定の予測のための機能ランキングを考慮して、メディアニュースエントリ、データセットのメタデータ、Google Knowledge Graphからのエントリを豊かにする説明を構築している。需要予測に関する実世界のユースケースにおける2つのアプローチ(埋め込みベースと意味ベース)を比較した。

関連論文リスト

XForecast: Evaluating Natural Language Explanations for Time Series Forecasting [72.57427992446698]
時系列予測は、特に正確な予測に依存するステークホルダーにとって、意思決定を支援する。伝統的に説明可能なAI(XAI)メソッドは、機能や時間的重要性を基盤とするものであり、専門家の知識を必要とすることが多い。時系列データにおける複雑な因果関係のため,予測NLEの評価は困難である。
論文参考訳（メタデータ） (2024-10-18T05:16:39Z)
Evaluating the Utility of Model Explanations for Model Development [54.23538543168767]
機械学習モデル構築の実践シナリオにおいて、説明が人間の意思決定を改善するかどうかを評価する。驚いたことに、サリエンシマップが提供されたとき、タスクが大幅に改善されたという証拠は見つからなかった。以上の結果から,サリエンシに基づく説明における誤解の可能性と有用性について注意が必要であることが示唆された。
論文参考訳（メタデータ） (2023-12-10T23:13:23Z)
Evaluating Explainability in Machine Learning Predictions through Explainer-Agnostic Metrics [0.0]
我々は,モデル予測が説明できる範囲を定量化するために,6つの異なるモデルに依存しないメトリクスを開発した。これらのメトリクスは、局所的な重要性、グローバルな重要性、代理予測など、モデル説明可能性のさまざまな側面を測定する。分類と回帰タスクにおけるこれらのメトリクスの実用性を実証し、これらのメトリクスを公開のために既存のPythonパッケージに統合する。
論文参考訳（メタデータ） (2023-02-23T15:28:36Z)
Knowledge-based XAI through CBR: There is more to explanations than models can tell [0.0]
我々は、データ中心の人工知能エージェントが使用するデータを補完するために、ドメイン知識を利用することを提案する。我々は、知識に基づく説明可能な人工知能を、CBR手法に沿った教師付きデータ分類問題として定式化する。
論文参考訳（メタデータ） (2021-08-23T19:01:43Z)
XAI-KG: knowledge graph to support XAI and decision-making in manufacturing [0.5872014229110215]
本稿では,予測,予測説明,推奨意思決定オプション,ユーザ行動に関するフィードバック収集を支援するオントロジーと知識グラフを提案する。このように、予測モデル、説明、意思決定オプションの推奨を改善する手段を提供する。
論文参考訳（メタデータ） (2021-05-05T08:42:07Z)
Semantic XAI for contextualized demand forecasting explanations [0.9137554315375922]
本稿では、セマンティック技術とAIに基づく説明可能なAIのための新しいアーキテクチャを提案する。需要予測の領域のアーキテクチャを調整し、実世界のケーススタディでそれを検証します。
論文参考訳（メタデータ） (2021-04-01T13:08:53Z)
Actionable Cognitive Twins for Decision Making in Manufacturing [1.372026330898297]
Actionable Cognitive Twinsは、認知機能を備えた次世代デジタルツインです。知識グラフは、生産ラインとプロセスのセマンティックな記述とコンテキスト化を提供する。システム思考アプローチは、知識グラフを設計し、開発し、実行可能なツインを構築するために提案される。
論文参考訳（メタデータ） (2021-03-23T21:32:07Z)
Forethought and Hindsight in Credit Assignment [62.05690959741223]
我々は、前向きモデルや後向きモデルによる後向き操作による予測として使われる計画の利益と特異性を理解するために活動する。本稿では,予測を(再)評価すべき状態の選択に主眼を置いて,計画におけるモデルの利用について検討する。
論文参考訳（メタデータ） (2020-10-26T16:00:47Z)
A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文参考訳（メタデータ） (2020-09-25T12:01:53Z)
Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文参考訳（メタデータ） (2020-03-09T15:04:07Z)
A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文参考訳（メタデータ） (2020-03-02T10:32:21Z)

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。