論文の概要: Post-hoc Interpretability Illumination for Scientific Interaction Discovery

• arxiv url: http://arxiv.org/abs/2412.16252v1
• Date: Fri, 20 Dec 2024 04:17:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 16:01:47.306271
• Title: Post-hoc Interpretability Illumination for Scientific Interaction Discovery
• Title（参考訳）: 科学的相互作用発見のためのポストホック解釈可能性イルミネーション
• Authors: Ling Zhang, Zhichao Hou, Tingxiang Ji, Yuanyuan Xu, Runze Li,
• Abstract要約: イテレーティブ・キングス・フォレスト(iKF)は、変数間の複雑な多階相互作用を明らかにするために設計された。 iKFは、重要な変数と様々な順序の相互作用のランク付き短いリストを生成する。 選択されたインタラクションのパターンを分析するために、推論メトリクスを提供する。
• 参考スコア（独自算出の注目度）: 10.170503423959293
• License:
• Abstract: Model interpretability and explainability have garnered substantial attention in recent years, particularly in decision-making applications. However, existing interpretability tools often fall short in delivering satisfactory performance due to limited capabilities or efficiency issues. To address these challenges, we propose a novel post-hoc method: Iterative Kings' Forests (iKF), designed to uncover complex multi-order interactions among variables. iKF iteratively selects the next most important variable, the "King", and constructs King's Forests by placing it at the root node of each tree to identify variables that interact with the "King". It then generates ranked short lists of important variables and interactions of varying orders. Additionally, iKF provides inference metrics to analyze the patterns of the selected interactions and classify them into one of three interaction types: Accompanied Interaction, Synergistic Interaction, and Hierarchical Interaction. Extensive experiments demonstrate the strong interpretive power of our proposed iKF, highlighting its great potential for explainable modeling and scientific discovery across diverse scientific fields.
• Abstract（参考訳）: モデル解釈可能性と説明可能性は近年、特に意思決定アプリケーションにおいて大きな注目を集めている。 しかし、既存の解釈容易性ツールは、限られた機能や効率の問題のために、満足できるパフォーマンスを提供するのに不足することが多い。 これらの課題に対処するために、我々は、変数間の複雑な多階相互作用を明らかにするために設計された新しいポストホック法、イテレーティブキングス森林(iKF)を提案する。 iKFは次に重要な変数である"King"を反復的に選択し、King"と相互作用する変数を特定するために各木のルートノードに配置することでKing's Forestsを構築する。 その後、重要な変数のランク付けされた短いリストと、異なる順序の相互作用を生成する。 さらに、iKFは、選択されたインタラクションのパターンを分析し、それらを3つのインタラクションタイプのうちの1つに分類するための推論メトリクスを提供する。 広範にわたる実験は、提案したiKFの強い解釈力を示し、多種多様な科学分野にまたがる説明可能なモデリングと科学的発見の大きな可能性を浮き彫りにした。

関連論文リスト

• Causal Inference with Latent Variables: Recent Advances and Future Prospectives [43.04559575298597]
  因果推論(英: Causal inference、CI)は、興味のある変数間の固有の因果関係を推定することを目的としている。 重要な変数の観察の欠如は、CIメソッドの信頼性を著しく損なう。 これらの潜伏変数が不注意に扱われると、様々な結果が生じる。
  論文  参考訳（メタデータ） (2024-06-20T03:15:53Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
  レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。 従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。 そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T15:44:09Z)
• Re-mine, Learn and Reason: Exploring the Cross-modal Semantic Correlations for Language-guided HOI detection [57.13665112065285]
  ヒューマンオブジェクトインタラクション(HOI)検出は、コンピュータビジョンの課題である。 本稿では,構造化テキスト知識を組み込んだHOI検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-25T14:20:52Z)
• Causal Triplet: An Open Challenge for Intervention-centric Causal Representation Learning [98.78136504619539]
  Causal Tripletは、視覚的に複雑なシーンを特徴とする因果表現学習ベンチマークである。 この結果から,不整合表現やオブジェクト中心表現の知識によって構築されたモデルが,分散表現よりもはるかに優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-12T17:43:38Z)
• Towards Unsupervised Content Disentanglement in Sentence Representations via Syntactic Roles [0.9582466286528458]
  我々は注意駆動変分オートエンコーダ(ADVAE)を開発した。 本研究では,異なる構文的役割が明確に同定された潜在変数に対応する文の表現を得ることが可能であることを示す。 本研究は,教師なしコンテンツ生成に向けた第一歩となる。
  論文  参考訳（メタデータ） (2022-06-22T15:50:01Z)
• Interpretable Artificial Intelligence through the Lens of Feature Interaction [11.217688723644454]
  この研究はまず、機能相互作用の歴史的かつ近代的な重要性を説明し、続いて、機能相互作用を明示的に考慮する近代的解釈可能性法を調査した。 この調査は、機械学習の解釈可能性のより大きな文脈における機能相互作用の重要性を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2021-03-01T23:23:10Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• COMET: Convolutional Dimension Interaction for Collaborative Filtering [16.799611667681233]
  本稿では,歴史的相互作用と埋め込み次元の高次相互作用パターンを同時にモデル化するCOMETと呼ばれる新しい潜在因子モデルを提案する。 具体的には、COMETは、最初は歴史的相互作用の埋め込みを水平に積み重ね、結果として2つの「埋め込みマップ」となる。 このようにして、内部相互作用と次元相互作用は、異なる大きさのカーネルを持つ畳み込みニューラルネットワークによって同時に利用することができる。
  論文  参考訳（メタデータ） (2020-07-28T11:18:36Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。