論文の概要: Explaining with Greater Support: Weighted Column Sampling Optimization
for q-Consistent Summary-Explanations
- arxiv url: http://arxiv.org/abs/2302.04528v1
- Date: Thu, 9 Feb 2023 09:40:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 16:21:43.354955
- Title: Explaining with Greater Support: Weighted Column Sampling Optimization
for q-Consistent Summary-Explanations
- Title(参考訳): 大規模サポートによる説明:q-consistent Summary-Explanationsのための軽量カラムサンプリング最適化
- Authors: Chen Peng, Zhengqi Dai, Guangping Xia, Yajie Niu, Yihui Lei
- Abstract要約: $q$-consistent summary-explanationは、一貫性をわずかに低くするコストで、より大きなサポートを達成することを目的としている。
問題は、$q$-consistent summary-explanation (MSqC) の最大サポート問題は、元のMS問題よりもずっと複雑である。
解の時間効率を改善するために,重み付きカラムサンプリング法(WCS)を提案する。
- 参考スコア(独自算出の注目度): 1.6262731094866383
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning systems have been extensively used as auxiliary tools in
domains that require critical decision-making, such as healthcare and criminal
justice. The explainability of decisions is crucial for users to develop trust
on these systems. In recent years, the globally-consistent rule-based
summary-explanation and its max-support (MS) problem have been proposed, which
can provide explanations for particular decisions along with useful statistics
of the dataset. However, globally-consistent summary-explanations with limited
complexity typically have small supports, if there are any. In this paper, we
propose a relaxed version of summary-explanation, i.e., the $q$-consistent
summary-explanation, which aims to achieve greater support at the cost of
slightly lower consistency. The challenge is that the max-support problem of
$q$-consistent summary-explanation (MSqC) is much more complex than the
original MS problem, resulting in over-extended solution time using standard
branch-and-bound solvers. To improve the solution time efficiency, this paper
proposes the weighted column sampling~(WCS) method based on solving smaller
problems by sampling variables according to their simplified increase support
(SIS) values. Experiments verify that solving MSqC with the proposed SIS-based
WCS method is not only more scalable in efficiency, but also yields solutions
with greater support and better global extrapolation effectiveness.
- Abstract(参考訳): 機械学習システムは、医療や刑事司法などの重要な意思決定を必要とする領域の補助ツールとして広く使われている。
ユーザがこれらのシステムに対する信頼を育むためには、意思決定の説明が不可欠である。
近年、データセットの有用な統計情報とともに、特定の決定に関する説明を提供する、グローバルに一貫性のあるルールベースの要約記述とその最大サポート(MS)問題が提案されている。
しかし、複雑さが限定されたグローバルに一貫性のある要約説明は、通常、もしあれば、サポートが小さい。
本稿では,一貫性の低いコストでより大きなサポートを実現することを目的とした,要約説明の緩和版である$q$consistent summary-explanationを提案する。
課題は、$q$-consistent summary-explanation (MSqC) の最大サポート問題は、元のMS問題よりもはるかに複雑であり、その結果、標準分岐とバウンドの解法を用いて過度に拡張された解時間が得られることである。
解の時間効率を改善するために, 簡易増量支援(SIS)値に基づいて, 変数をサンプリングすることで, より小さな問題を解くことに基づく重み付きカラムサンプリング(WCS)手法を提案する。
実験により, 提案手法によるmsqcの解決は, 効率が向上するだけでなく, サポートが向上し, グローバル外挿効率も向上することを確認した。
関連論文リスト
- Spatial-temporal-demand clustering for solving large-scale vehicle
routing problems with time windows [0.0]
本稿では,クラスタリングを用いて顧客をグループ化するDRI(Decompose-route-improve)フレームワークを提案する。
その類似度基準は、顧客の空間的、時間的、需要データを含む。
本研究では,解答サブプロブレム間でプルーンド局所探索(LS)を適用し,全体の解法を改善する。
論文 参考訳(メタデータ) (2024-01-20T06:06:01Z) - Faster Stochastic Variance Reduction Methods for Compositional MiniMax
Optimization [50.10952609321302]
合成ミニマックス最適化は、さまざまな機械学習領域において重要な課題である。
構成最小最適化の現在の方法は、最適以下の複雑さや、大きなバッチサイズに大きく依存することによって悩まされている。
本稿では,Nested STOchastic Recursive Momentum (NSTORM)と呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2023-08-18T14:57:21Z) - Federated Prompting and Chain-of-Thought Reasoning for Improving LLMs
Answering [13.735277588793997]
クラウドベースLarge Language Models (LLMs) を用いた分散ユーザによる質問に対する回答精度の向上について検討する。
本研究は,同じ数学的推論ステップと問題解決手順を含む類似のクエリをユーザが質問する典型的な状況に焦点を当てる。
本稿では,自己整合性(SC)とCoT(Chain-of-Thought)技術を用いて,分散同義語質問を改善することを提案する。
論文 参考訳(メタデータ) (2023-04-27T01:48:03Z) - MQAG: Multiple-choice Question Answering and Generation for Assessing
Information Consistency in Summarization [55.60306377044225]
最先端の要約システムは高度に流動的な要約を生成することができる。
しかし、これらの要約には、情報源に存在しない事実上の矛盾や情報が含まれている可能性がある。
本稿では,ソース情報と要約情報を直接比較する,標準的な情報理論に基づく代替手法を提案する。
論文 参考訳(メタデータ) (2023-01-28T23:08:25Z) - Successive Prompting for Decomposing Complex Questions [50.00659445976735]
最近の研究は、大規模言語モデル(LM)の機能を活用して、数ショットで複雑な質問応答を行う。
そこでは、複雑なタスクを単純なタスクに繰り返し分解し、それを解決し、最終解を得るまでプロセスを繰り返します。
我々の最良のモデル(逐次プロンプト付き)は、DROPデータセットの数ショットバージョンにおいて、5%の絶対F1の改善を実現します。
論文 参考訳(メタデータ) (2022-12-08T06:03:38Z) - On the Global Solution of Soft k-Means [159.23423824953412]
本稿では,ソフトk-平均問題の解法を全世界で提案する。
ミニマルボリュームソフトkMeans (MVSkM) と呼ばれる新しいモデルを提案する。
論文 参考訳(メタデータ) (2022-12-07T12:06:55Z) - Preliminary Results on Using Abstract AND-OR Graphs for Generalized
Solving of Stochastic Shortest Path Problems [25.152899734616298]
最短経路問題(SSP)は、現実世界におけるゴール指向の問題である。
SSPの計算における重要な課題は、適度な大きさの問題を難解に解決する方法を見つけることである。
提案手法は任意のSSPソルバに組み込んで階層的最適ポリシーを計算可能であることを示す。
論文 参考訳(メタデータ) (2022-04-08T21:30:47Z) - Tensor Completion with Provable Consistency and Fairness Guarantees for
Recommender Systems [5.099537069575897]
非負・正の行列とテンソル完備問題を定義・解決するための新しい一貫性に基づくアプローチを導入する。
単一特性/制約: 単位スケールの一貫性を保ち、解の存在を保証し、比較的弱いサポート仮定の下では、一意性を示す。
論文 参考訳(メタデータ) (2022-04-04T19:42:46Z) - QROSS: QUBO Relaxation Parameter Optimisation via Learning Solver
Surrogates [14.905085636501438]
問題のインスタンスの集合に関するソルバデータから学習することで,quboソルバのサロゲートモデルを構築する。
このようにして、インスタンスの共通構造とそれらの解決者との相互作用を捉えることができ、ペナルティパラメータを適切に選択することができる。
qrossは分散型データセットや様々な種類のquboソルバによく一般化されている。
論文 参考訳(メタデータ) (2021-03-19T09:06:12Z) - Abstractive Query Focused Summarization with Query-Free Resources [60.468323530248945]
本稿では,汎用的な要約リソースのみを利用して抽象的なqfsシステムを構築する問題を考える。
本稿では,要約とクエリのための新しい統一表現からなるMasked ROUGE回帰フレームワークであるMargeを提案する。
最小限の監視から学習したにもかかわらず,遠隔管理環境において最先端の結果が得られた。
論文 参考訳(メタデータ) (2020-12-29T14:39:35Z) - Learning What to Defer for Maximum Independent Sets [84.00112106334655]
本稿では,各段階における解の要素的決定を学習することにより,エージェントが適応的に段階数を縮小あるいは拡張する,新たなDRL方式を提案する。
提案手法を最大独立集合(MIS)問題に適用し、現状のDRL方式よりも大幅に改善したことを示す。
論文 参考訳(メタデータ) (2020-06-17T02:19:31Z)
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。