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
- Coarse Set Theory: A Mathematical Foundation for Coarse Ethics [0.0]
本稿では,CST(Coarse Set Theory)を導入して,CE(Coarse Ethics)の数学的枠組みを確立する。
完全順序集合を用いて粗集合を定義し、要素とその群の間の階層的関係を特徴づける公理を提案する。
詳細な個々のデータを粗い表現に変換する粗いマッピングを定義することで、このフレームワークを拡張します。
論文 参考訳（メタデータ） (2025-02-11T08:18:37Z) - Interpreting Inflammation Prediction Model via Tag-based Cohort Explanation [5.356481722174994]
本稿では,局所的特徴重要度スコアに基づいて,データセット内のコホートを識別する新しいフレームワークを提案する。
食品ベースの炎症予測モデル上での枠組みを評価し,その枠組みがドメイン知識に合致する信頼性のある説明を生成できることを実証した。
論文 参考訳（メタデータ） (2024-10-17T23:22:59Z) - CohEx: A Generalized Framework for Cohort Explanation [5.269665407562217]
コホートの説明は、特定のグループや事例のコホートにおける説明者の振る舞いに関する洞察を与える。
本稿では,コホートの説明を測る上でのユニークな課題と機会について論じる。
論文 参考訳（メタデータ） (2024-10-17T03:36:18Z) - Logifold: A Geometrical Foundation of Ensemble Machine Learning [0.0]
データセット理解のための局所的・局所的・測度論的アプローチを提案する。
中心となる考え方は、ロジフォールド構造を定式化し、制限されたドメインを持つネットワークモデルをデータセットの局所チャートとして解釈することである。
論文 参考訳（メタデータ） (2024-07-23T04:47:58Z) - An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。
応用例としては、メタ理論的性質の形式的解析と検証がある。
論文 参考訳（メタデータ） (2023-12-08T09:32:26Z) - Explainability for Large Language Models: A Survey [59.67574757137078]
大規模言語モデル(LLM)は、自然言語処理における印象的な能力を示している。
本稿では,トランスフォーマーに基づく言語モデルを記述する手法について,説明可能性の分類法を紹介した。
論文 参考訳（メタデータ） (2023-09-02T22:14:26Z) - A Category-theoretical Meta-analysis of Definitions of Disentanglement [97.34033555407403]
データの変化の要因を識別することは、機械学習の基本的な概念である。
本稿では,既存の乱れの定義をメタ分析する。
論文 参考訳（メタデータ） (2023-05-11T15:24:20Z) - A Unifying Framework for Causal Explanation of Sequential Decision
Making [24.29934526009098]
本稿では、シーケンシャルな意思決定システムの因果的説明のための新しい枠組みを提案する。
本稿では,単一の統一的アプローチを用いて,エージェントアクションに対して意味的に異なるタイプの説明を識別する方法を示す。
論文 参考訳（メタデータ） (2022-05-30T23:17:58Z) - Resolving label uncertainty with implicit posterior models [71.62113762278963]
本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。
異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
論文 参考訳（メタデータ） (2022-02-28T18:09:44Z) - A Formalisation of Abstract Argumentation in Higher-Order Logic [77.34726150561087]
本稿では,古典的高階論理へのエンコーディングに基づく抽象的議論フレームワークの表現手法を提案する。
対話型および自動推論ツールを用いた抽象的議論フレームワークのコンピュータ支援評価のための一様フレームワークを提供する。
論文 参考訳（メタデータ） (2021-10-18T10:45:59Z)
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。