論文の概要: Disjunctive and Conjunctive Normal Form Explanations of Clusters Using Auxiliary Information
- arxiv url: http://arxiv.org/abs/2504.20846v1
- Date: Tue, 29 Apr 2025 15:18:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.955913
- Title: Disjunctive and Conjunctive Normal Form Explanations of Clusters Using Auxiliary Information
- Title（参考訳）: 補助情報を用いたクラスターの共役および共役正規形説明
- Authors: Robert F. Downey, S. S. Ravi,
- Abstract要約: クラスタリングアルゴリズムでは使用されなかった補助情報を用いて,クラスタのポストホックな説明を生成することを検討する。
整数線形プログラミング(ILP)とこれらの説明を生成する手法を用いる。
さまざまなデータセットを実験し、説明から得られた知見について議論する。
- 参考スコア（独自算出の注目度）: 9.070106450534663
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We consider generating post-hoc explanations of clusters generated from various datasets using auxiliary information which was not used by clustering algorithms. Following terminology used in previous work, we refer to the auxiliary information as tags. Our focus is on two forms of explanations, namely disjunctive form (where the explanation for a cluster consists of a set of tags) and a two-clause conjunctive normal form (CNF) explanation (where the explanation consists of two sets of tags, combined through the AND operator). We use integer linear programming (ILP) as well as heuristic methods to generate these explanations. We experiment with a variety of datasets and discuss the insights obtained from our explanations. We also present experimental results regarding the scalability of our explanation methods.
- Abstract（参考訳）: 我々は,クラスタリングアルゴリズムでは使用されなかった補助情報を用いて,様々なデータセットから生成されたクラスタのポストホックな説明を生成することを検討する。
過去の研究で用いられた用語に従い、補助情報をタグとして参照する。
我々の焦点は2種類の説明、すなわち、解離形(クラスタの説明はタグの集合から成り立っている)と2項共役正規形(CNF)の説明(説明は2つのタグの集合からなり、AND演算子を介して結合される)である。
整数線形プログラミング(ILP)とヒューリスティックな手法を用いてこれらの説明を生成する。
さまざまなデータセットを実験し、説明から得られた知見について議論する。
また,説明手法のスケーラビリティに関する実験結果も提示する。
関連論文リスト
- Utilizing Description Logics for Global Explanations of Heterogeneous Graph Neural Networks [0.25782420501870296]
本稿では、記述論理(DL)の分野からクラス表現(CE)を利用して、複数の十分説明のあるクラスを説明する。
提案手法では,EL記述論理のCEを用いて,異なる種類のノードを持つ異種グラフを解析する。
論文 参考訳（メタデータ） (2024-05-21T10:07:29Z) - Towards a fuller understanding of neurons with Clustered Compositional
Explanations [8.440673378588489]
本稿では、構成説明とクラスタリングを組み合わせたクラスタ化と、ニューロンの行動の幅広いスペクトルを近似する新しい探索を提案する。
本稿では,これらの手法を複数のアクティベーション領域に適用する際の問題点を定義し,提案アルゴリズムを用いて探索可能な洞察を解析し,異なるアルゴリズムで返される説明を研究するために使用できるデシラタ質を提案する。
論文 参考訳（メタデータ） (2023-10-27T19:39:50Z) - Goal-Driven Explainable Clustering via Language Descriptions [50.980832345025334]
我々は新しいタスク定式化"Goal-Driven Clustering with Explanations"(GoalEx)を提案する。
GoalExは、ゴールと説明の両方を自由形式の言語記述として表現している。
提案手法は,従来の手法よりも精度が高く,目標に関連のある説明を導出する。
論文 参考訳（メタデータ） (2023-05-23T07:05:50Z) - Explanation Selection Using Unlabeled Data for Chain-of-Thought
Prompting [80.9896041501715]
非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。
本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
論文 参考訳（メタデータ） (2023-02-09T18:02:34Z) - Cluster Explanation via Polyhedral Descriptions [0.0]
クラスタリングは教師なしの学習問題であり、競合しないデータポイントを同様の機能を持つグループに分割することを目的としている。
従来のクラスタリングアルゴリズムは、グループ割り当ての解釈可能性ではなく、正確性に重点を置いているため、グループに対する限られた洞察を提供する。
本稿では,各クラスタのまわりにポリヘドラを配置し,結果として生じるポリヘドラの複雑さを最小化して,クラスタを説明するための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-10-17T07:26:44Z) - Learning Weakly-Supervised Contrastive Representations [104.42824068960668]
弱教師付きコントラスト学習手法を2段階提案する。
第1段階は、その補助情報に従ってデータをクラスタ化することである。
2つ目のステージは、同じクラスタ内で同様の表現を学習し、異なるクラスタからのデータに対して異なる表現を学習することである。
論文 参考訳（メタデータ） (2022-02-14T12:57:31Z) - A Proposition-Level Clustering Approach for Multi-Document Summarization [82.4616498914049]
クラスタリングアプローチを再検討し、より正確な情報アライメントの提案をグループ化します。
提案手法は,有意な命題を検出し,それらをパラフラスティックなクラスタに分類し,その命題を融合して各クラスタの代表文を生成する。
DUC 2004 とTAC 2011 データセットでは,従来の最先端 MDS 法よりも要約法が優れている。
論文 参考訳（メタデータ） (2021-12-16T10:34:22Z) - Integrating Auxiliary Information in Self-supervised Learning [94.11964997622435]
まず、補助情報がデータ構造に関する有用な情報をもたらす可能性があることを観察する。
補助情報に基づいてデータクラスタを構築する。
我々はCl-InfoNCEがデータクラスタリング情報を活用するためのより良いアプローチであることを示した。
論文 参考訳（メタデータ） (2021-06-05T11:01:15Z) - Deep Descriptive Clustering [24.237000220172906]
本稿では,解釈可能なタグを用いた説明を同時に生成しながら,複雑なデータに対してクラスタリングを行うための新しい設定について検討する。
我々は,入力に対する経験的分布と,クラスタリング目的に対して誘導されたクラスタリングラベルの相互情報を最大化することにより,優れたクラスタを形成する。
公開データによる実験結果から,クラスタリング性能の競争ベースラインよりも優れた結果が得られた。
論文 参考訳（メタデータ） (2021-05-24T21:40:16Z) - Joint Entity and Relation Canonicalization in Open Knowledge Graphs
using Variational Autoencoders [11.259587284318835]
オープンナレッジグラフの名詞句と関係句は正規化されず、冗長で曖昧な主語関係対象のトリプルが爆発する。
まず、名詞句と関係句の両方の埋め込み表現を生成し、次にクラスタリングアルゴリズムを使用して、埋め込みを機能としてグループ化します。
本研究では,組込みとクラスタ割り当ての両方をエンドツーエンドアプローチで学習する共同モデルであるCUVA(Canonicalizing Using Variational AutoEncoders)を提案する。
論文 参考訳（メタデータ） (2020-12-08T22:58:30Z) - A Formal Approach to Explainability [100.12889473240237]
本研究では,説明生成関数と学習モデルの中間表現との関係について検討する。
我々は、新しい説明を構築する方法として、説明の交わりと結合について研究する。
論文 参考訳（メタデータ） (2020-01-15T10:06:47Z)
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。