論文の概要: Enhancing Actionable Formal Concept Identification with Base-Equivalent
Conceptual-Relevance
- arxiv url: http://arxiv.org/abs/2312.14421v1
- Date: Fri, 22 Dec 2023 03:57:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-25 16:15:28.155020
- Title: Enhancing Actionable Formal Concept Identification with Base-Equivalent
Conceptual-Relevance
- Title(参考訳): base-equivalent concept-relevance を用いた動作可能な形式的概念識別の強化
- Authors: Ayao Bobi, Rokia Missaoui and Mohamed Hamza Ibrahim
- Abstract要約: 動作可能な概念の識別を改善するための新しい概念的関連性度尺度である,Base-Equivalent Conceptual Relevance (BECR) スコアを導入する。
BECRの基本的な考え方は、より基本的で等価な属性とコンセプトの意図する最小限のジェネレータが持つほど、より関連性が高いということである。
合成および実世界のデータセットに関する予備実験は、よく知られた安定性指標と比較してBECRの効率を示す。
- 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: In knowledge discovery applications, the pattern set generated from data can
be tremendously large and hard to explore by analysts. In the Formal Concept
Analysis (FCA) framework, there have been studies to identify important formal
concepts through the stability index and other quality measures. In this paper,
we introduce the Base-Equivalent Conceptual Relevance (BECR) score, a novel
conceptual relevance interestingness measure for improving the identification
of actionable concepts. From a conceptual perspective, the base and equivalent
attributes are considered meaningful information and are highly essential to
maintain the conceptual structure of concepts. Thus, the basic idea of BECR is
that the more base and equivalent attributes and minimal generators a concept
intent has, the more relevant it is. As such, BECR quantifies these attributes
and minimal generators per concept intent. Our preliminary experiments on
synthetic and real-world datasets show the efficiency of BECR compared to the
well-known stability index.
- Abstract(参考訳): 知識発見アプリケーションでは、データから生成されたパターンは極めて大きく、アナリストによる探索は困難である。
形式的概念分析(FCA)フレームワークでは、安定性指標やその他の品質指標を通じて重要な形式的概念を特定する研究が行われている。
本稿では,行動可能な概念の識別を改善するための新しい概念関連性指標であるBase-Equivalent Conceptual Relevance(BECR)スコアを紹介する。
概念的観点からは、基本属性と等価属性は意味のある情報と見なされ、概念の概念的構造を維持するために非常に不可欠である。
したがって、BECRの基本的な考え方は、より基本的で等価な属性と概念意図が持つ最小のジェネレータがより関連性が高いことである。
そのため、BECRはこれらの属性と最小限のジェネレータを概念意図ごとに定量化する。
合成および実世界のデータセットに関する予備実験は、よく知られた安定性指標と比較してBECRの効率を示す。
関連論文リスト
- ConcEPT: Concept-Enhanced Pre-Training for Language Models [57.778895980999124]
ConcEPTは、概念知識を事前訓練された言語モデルに注入することを目的としている。
これは、事前訓練されたコンテキストで言及されたエンティティの概念を予測するために、外部エンティティの概念予測を利用する。
実験の結果,ConcEPTは概念強化事前学習により概念知識を向上することがわかった。
論文 参考訳(メタデータ) (2024-01-11T05:05:01Z) - Do Concept Bottleneck Models Obey Locality? [16.141263815153206]
概念に基づく学習は、人間の理解可能な概念を通して予測を説明することによって、深層学習モデルの解釈可能性を改善する。
最近の研究は、この仮定がConcept Bottleneck Models(CBM)で成り立たないことを強く示唆している。
CBMは、そのような概念が空間的にも意味的にも局所化されているとき、概念間の条件独立の度合いを捉えている。
その結果,CBMが学習した概念表現の質に疑問を呈し,概念に基づく説明は地域外の変化に対して脆弱である可能性が強く示唆された。
論文 参考訳(メタデータ) (2024-01-02T16:05:23Z) - Hierarchical Concept Discovery Models: A Concept Pyramid Scheme [11.138948381367133]
この研究は、アンテホック解釈可能性、特に概念ボトルネックモデル(CBM)をターゲットにしている。
私たちのゴールは、人間の理解可能な概念に関して、高度に解釈可能な意思決定プロセスを認めるフレームワークを設計することです。
この枠組みの中では、概念情報は全体像と一般的な非構造化概念との類似性にのみ依存しない。
論文 参考訳(メタデータ) (2023-10-03T14:57:31Z) - Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2023-09-27T14:39:41Z) - A Systematic Survey in Geometric Deep Learning for Structure-based Drug
Design [63.30166298698985]
構造に基づく薬物設計(SBDD)は、タンパク質の3次元幾何学を利用して、潜在的な薬物候補を特定する。
幾何学的深層学習の最近の進歩は、3次元幾何データの統合と処理に焦点をあてて、構造に基づく薬物設計の分野を大いに進歩させてきた。
論文 参考訳(メタデータ) (2023-06-20T14:21:58Z) - Evaluating the Stability of Semantic Concept Representations in CNNs for
Robust Explainability [0.0]
本稿では,コンピュータビジョンCNNにおける概念表現を扱う際の2つの安定性目標について述べる。
ガイドとなるユースケースは、オブジェクト検出CNNのためのポストホックな説明可能性フレームワークである。
本稿では,概念分離と一貫性の両面を考慮した新しい計量法を提案する。
論文 参考訳(メタデータ) (2023-04-28T14:14:00Z) - A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。
理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。
本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
論文 参考訳(メタデータ) (2022-03-02T07:46:52Z) - Translational Concept Embedding for Generalized Compositional Zero-shot
Learning [73.60639796305415]
一般合成ゼロショット学習は、ゼロショット方式で属性オブジェクト対の合成概念を学習する手段である。
本稿では,これら2つの課題を統一的なフレームワークで解決するために,翻訳概念の埋め込み(translational concept embedded)という新しいアプローチを提案する。
論文 参考訳(メタデータ) (2021-12-20T21:27:51Z) - Detecting Important Patterns Using Conceptual Relevance Interestingness
Measure [0.0]
本稿では,概念関連性(CR)スコア(Conceptual Relevance)について紹介する。
概念的な観点から、最小限のジェネレータは、関連する概念意図に関する重要な情報を提供する。
そのため、CRインデックスは概念的に関係のある属性の量と概念意図ごとに最小のジェネレータの数の両方を定量化する。
論文 参考訳(メタデータ) (2021-10-21T16:45:01Z) - Entity Concept-enhanced Few-shot Relation Extraction [35.10974511223129]
長尾分布問題において,FSRE (Few-shot relation extract) が重要である。
ほとんどの既存のFSREアルゴリズムは、認識されたエンティティペアと共に文の情報に基づいて関係を正確に分類することができない。
本稿では,エンティティ固有の概念を導入し,関係予測の手がかりを提供する,エンティティ強化型FEw-shot Relation extract scheme(ConceptFERE)を提案する。
論文 参考訳(メタデータ) (2021-06-04T10:36:49Z) - A general framework for defining and optimizing robustness [74.67016173858497]
分類器の様々な種類の堅牢性を定義するための厳密でフレキシブルなフレームワークを提案する。
我々の概念は、分類器の堅牢性は正確性とは無関係な性質と考えるべきであるという仮定に基づいている。
我々は,任意の分類モデルに適用可能な,非常に一般的なロバスト性フレームワークを開発する。
論文 参考訳(メタデータ) (2020-06-19T13:24:20Z)
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。