Fugu-MT 論文翻訳(概要): Attribution-Scores in Data Management and Explainable Machine Learning

論文の概要: Attribution-Scores in Data Management and Explainable Machine Learning

arxiv url: http://arxiv.org/abs/2308.00184v1
Date: Mon, 31 Jul 2023 22:41:17 GMT
ステータス: 処理完了
システム内更新日: 2023-08-02 16:11:52.818280
Title: Attribution-Scores in Data Management and Explainable Machine Learning
Title（参考訳）: データ管理と説明可能な機械学習における帰属スコア
Authors: Leopoldo Bertossi
Abstract要約: 本稿では,データベースにおける責任スコアの定義における実際の因果性の利用に関する最近の研究について述べる。データベースの場合、データベースの修復に有用な接続を図示し、活用する。分類モデルでは、責任スコアが適切に拡張され、図示される。
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 recent research on the use of actual causality in the definition of responsibility scores as explanations for query answers in databases, and for outcomes from classification models in machine learning. In the case of databases, useful connections with database repairs are illustrated and exploited. Repairs are also used to give a quantitative measure of the consistency of a database. For classification models, the responsibility score is properly extended and illustrated. The efficient computation of Shap-score is also analyzed and discussed. The emphasis is placed on work done by the author and collaborators.
Abstract（参考訳）: 責任スコアの定義における実際の因果性の使用に関する最近の研究を,データベースの問合せ回答や機械学習の分類モデルによる結果の説明として説明する。データベースの場合、データベースの修復に有用な接続を図示し、活用する。修復はデータベースの一貫性を定量的に測定するためにも用いられる。分類モデルでは、責任スコアを適切に拡張して図示する。シャップスコアの効率的な計算も分析し議論する。著者と共同作業者による作業に重点を置いている。

関連論文リスト

kNN Classification of Malware Data Dependency Graph Features [0.0]
本研究では,構造や意味に関連付けられた特徴を用いて,正確な分類を行う。ラベル付きデータを用いて正確なモデルを訓練することにより、この意味論の特徴表現が基底真理ラベルと相関していることが示される。この結果から,データ依存グラフが意味的情報と構造的情報の両方を正確に把握し,分類結果の説明可能性を高めることが示唆された。
論文参考訳（メタデータ） (2024-06-04T16:39:02Z)
Are LLMs Capable of Data-based Statistical and Causal Reasoning? Benchmarking Advanced Quantitative Reasoning with Data [89.2410799619405]
実世界のデータを用いた統計的および因果推論において,大規模言語モデルの能力を評価するために,データベンチマークを用いた定量的推論を導入する。このベンチマークは、教科書、オンライン学習教材、学術論文のデータシートを伴う411の質問のデータセットで構成されている。データとテキストに対するモデルの量的推論能力を比較するために、ベンチマークを290のテキストのみの質問、すなわちQRTextで強化する。
論文参考訳（メタデータ） (2024-02-27T16:15:03Z)
Machine Unlearning for Causal Inference [0.6621714555125157]
モデルが与えられたユーザに関する情報(マシンアンラーニング)の学習/取得の一部を忘れることが重要である。本稿では、因果推論のための機械学習の概念、特に確率スコアマッチングと治療効果推定について紹介する。この研究で使用されるデータセットは、ジョブトレーニングプログラムの有効性を評価するために広く使用されているデータセットであるLalondeデータセットである。
論文参考訳（メタデータ） (2023-08-24T17:27:01Z)
From Database Repairs to Causality in Databases and Beyond [0.0]
本稿では,データベースにおける問合せ応答に対するスコアベース説明に対する最近のアプローチについて述べる。スコアの仕様と計算に反実的推論を使うことに特に重点を置いている。
論文参考訳（メタデータ） (2023-06-15T04:08:23Z)
Discover, Explanation, Improvement: An Automatic Slice Detection Framework for Natural Language Processing [72.14557106085284]
スライス検出モデル(SDM)は、データポイントの低パフォーマンスなグループを自動的に識別する。本稿では,NLPタスクの分類のための "Discover, Explain, improve (DEIM)" というベンチマークを提案する。評価の結果,Edisaは情報的セマンティックな特徴を持つ誤り発生データポイントを正確に選択できることがわかった。
論文参考訳（メタデータ） (2022-11-08T19:00:00Z)
Amortized Inference for Causal Structure Learning [72.84105256353801]
因果構造を学習することは、通常、スコアまたは独立テストを使用して構造を評価することを伴う探索問題を引き起こす。本研究では,観測・干渉データから因果構造を予測するため,変分推論モデルを訓練する。我々のモデルは、実質的な分布シフトの下で頑健な一般化能力を示す。
論文参考訳（メタデータ） (2022-05-25T17:37:08Z)
An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
論文参考訳（メタデータ） (2022-05-21T19:49:04Z)
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)
Competency Problems: On Finding and Removing Artifacts in Language Data [50.09608320112584]
複雑な言語理解タスクでは、すべての単純な特徴相関が突発的であると論じる。人間バイアスを考慮したコンピテンシー問題に対するデータ作成の難しさを理論的に分析します。
論文参考訳（メタデータ） (2021-04-17T21:34:10Z)
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)
Generating Fact Checking Explanations [52.879658637466605]
まだ欠けているパズルの重要なピースは、プロセスの最も精巧な部分を自動化する方法を理解することです。本稿では、これらの説明を利用可能なクレームコンテキストに基づいて自動生成する方法について、最初の研究を行う。この結果から,個別に学習するのではなく,両目標を同時に最適化することで,事実確認システムの性能が向上することが示唆された。
論文参考訳（メタデータ） (2020-04-13T05:23:25Z)

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。