論文の概要: Flexible categorization using formal concept analysis and Dempster-Shafer theory
- arxiv url: http://arxiv.org/abs/2408.15012v1
- Date: Fri, 23 Aug 2024 07:28:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-28 13:53:43.194075
- Title: Flexible categorization using formal concept analysis and Dempster-Shafer theory
- Title（参考訳）: 形式的概念分析とデンプスター・シェーファー理論を用いたフレキシブル分類
- Authors: Marcel Boersma, Krishna Manoorkar, Alessandra Palmigiano, Mattia Panettiere, Apostolos Tzimoulis, Nachoem Wijnberg,
- Abstract要約: 本稿では、二部グラフとして表されるデータから説明可能な分類を入手し、研究するための公式な基盤を提供する。
このフレームワークを用いて,検出と分類のための機械学習メタアルゴリズムを記述し,その結果の局所的およびグローバル的説明を提供する。
- 参考スコア（独自算出の注目度）: 40.30013238421509
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Categorization of business processes is an important part of auditing. Large amounts of transactional data in auditing can be represented as transactions between financial accounts using weighted bipartite graphs. We view such bipartite graphs as many-valued formal contexts, which we use to obtain explainable categorization of these business processes in terms of financial accounts involved in a business process by using methods in formal concept analysis. We use Dempster-Shafer mass functions to represent agendas showing different interest in different set of financial accounts. We also model some possible deliberation scenarios between agents with different interrogative agendas to reach an aggregated agenda and categorization. The framework developed in this paper provides a formal ground to obtain and study explainable categorizations from the data represented as bipartite graphs according to the agendas of different agents in an organization (e.g. an audit firm), and interaction between these through deliberation. We use this framework to describe a machine-leaning meta algorithm for outlier detection and classification which can provide local and global explanations of its result and demonstrate it through an outlier detection algorithm.
- Abstract（参考訳）: ビジネスプロセスの分類は監査の重要な部分です。
監査における大量のトランザクションデータは、重み付き二部グラフを使用して財務口座間のトランザクションとして表現することができる。
我々は、これらの二部グラフを、形式的概念分析の手法を用いて、ビジネスプロセスにかかわる財務会計の観点で、これらのビジネスプロセスの説明可能な分類を得るために、多くの価値ある形式的文脈として捉えている。
Dempster-Shaferのマス関数を使用して、さまざまな金融口座に対する異なる関心を示すアジェンダを表現しています。
我々はまた、異なる尋問的議題を持つエージェント間の交渉シナリオをモデル化し、集約された議題と分類に到達する。
本稿では、組織内の異なるエージェント(例えば監査会社)の議題に従って、二部グラフとして表されるデータから説明可能な分類を取得し、研究するための公式な基盤を提供する。
我々は,このフレームワークを用いて,外乱検出と分類のための機械学習のメタアルゴリズムを記述し,その結果の局所的およびグローバル的説明を提供し,外乱検出アルゴリズムを用いてそれを実証する。
関連論文リスト
- FGCE: Feasible Group Counterfactual Explanations for Auditing Fairness [4.749824105387293]
本稿では,モデルフェアネスを監査するために,グループ対実的説明を生成する最初のグラフベースのフレームワークを提案する。
我々のフレームワークは、Fasible Group Counterfactual Explanations (FGCEs)と名付けられ、現実世界の現実性制約を捉え、類似の反事実を持つサブグループを構築する。
また、カウンターファクト・ジェネレーションにおける重要なトレードオフとして、カウンターファクト・ジェネレーションの件数、関連するコスト、達成された範囲の広さのバランスがあげられる。
論文 参考訳（メタデータ） (2024-10-29T23:10:01Z) - Generative Retrieval Meets Multi-Graded Relevance [104.75244721442756]
GRADed Generative Retrieval (GR$2$)というフレームワークを紹介します。
GR$2$は2つの重要なコンポーネントに焦点を当てている。
マルチグレードとバイナリの関連性を持つデータセットの実験は,GR$2$の有効性を示した。
論文 参考訳（メタデータ） (2024-09-27T02:55:53Z) - TraCE: Trajectory Counterfactual Explanation Scores [1.149801527015106]
本稿では, 逐次意思決定タスクの進捗を評価するために, ファクトファクトファクトの使用を拡大することを提案する。
モデルに依存しないモジュラーフレームワークであるTraCEを導入し、高度に複雑なシナリオの進捗状況を単一の値に抽出し、凝縮することができる。
論文 参考訳（メタデータ） (2023-09-27T19:24:57Z) - The geometry of financial institutions -- Wasserstein clustering of
financial data [0.0]
我々は,粒状およびビッグデータを代表的で分かりやすい地図に凝縮する方法を開発した。
金融規制は、このニーズを実証する分野であり、規制当局はその活動を監視し評価するために、多種多様でしばしば非常に粒度の細かいデータを金融機関から要求する。
確率分布に適用可能なロイドのアルゴリズムの変種を提案し、一般化されたワッサーシュタイン・バリセンタを用いて、与えられたデータを凝縮した形で表現する計量空間を構築する。
論文 参考訳（メタデータ） (2023-05-05T14:16:29Z) - Flexible categorization for auditing using formal concept analysis and
Dempster-Shafer theory [55.878249096379804]
我々は、異なる金融口座に対する異なる利息の程度に応じて分類する様々な方法を研究する。
本稿で開発したフレームワークは,説明可能な分類の獲得と研究のための公式な基盤を提供する。
論文 参考訳（メタデータ） (2022-10-31T13:49:16Z) - A Framework for Auditing Multilevel Models using Explainability Methods [2.578242050187029]
回帰の技術的評価のための監査フレームワークを提案する。
焦点は3つの側面、モデル、差別、透明性と説明責任である。
SHAP や LIME などの一般的な説明可能性法は,これらのモデルを解釈する際には精度が低いことが示されている。
論文 参考訳（メタデータ） (2022-07-04T17:53:21Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2022-05-20T15:02:53Z) - Gaussian process imputation of multiple financial series [71.08576457371433]
金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。
金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
論文 参考訳（メタデータ） (2020-02-11T19:18:18Z) - End-to-End Models for the Analysis of System 1 and System 2 Interactions
based on Eye-Tracking Data [99.00520068425759]
本稿では,よく知られたStroopテストの視覚的修正版において,様々なタスクと潜在的な競合事象を特定するための計算手法を提案する。
統計的分析により、選択された変数は、異なるシナリオにおける注意負荷の変動を特徴付けることができることが示された。
機械学習技術は,異なるタスクを分類精度良く区別できることを示す。
論文 参考訳（メタデータ） (2020-02-03T17:46:13Z)
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。