論文の概要: Community Detection on Model Explanation Graphs for Explainable AI

• arxiv url: http://arxiv.org/abs/2510.27655v1
• Date: Fri, 31 Oct 2025 17:27:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:16.184679
• Title: Community Detection on Model Explanation Graphs for Explainable AI
• Title（参考訳）: 説明可能なAIのためのモデル説明グラフのコミュニティ検出
• Authors: Ehsan Moradi,
• Abstract要約: モジュール・オブ・インフルエンス(MoI)は、インスタンスごとの属性からモデル説明グラフを構築する。 MoIはコミュニティ検出を適用して、予測に共同で影響を与える機能モジュールを見つけ、これらのモジュールがバイアス、冗長性、因果パターンにどのように関係しているかを定量化する。 我々は,モジュール発見をXAIでベンチマークするために,安定性と相乗効果の指標,参照実装,評価プロトコルをリリースする。
• 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: Feature-attribution methods (e.g., SHAP, LIME) explain individual predictions but often miss higher-order structure: sets of features that act in concert. We propose Modules of Influence (MoI), a framework that (i) constructs a model explanation graph from per-instance attributions, (ii) applies community detection to find feature modules that jointly affect predictions, and (iii) quantifies how these modules relate to bias, redundancy, and causality patterns. Across synthetic and real datasets, MoI uncovers correlated feature groups, improves model debugging via module-level ablations, and localizes bias exposure to specific modules. We release stability and synergy metrics, a reference implementation, and evaluation protocols to benchmark module discovery in XAI.
• Abstract（参考訳）: 特徴帰属法(例:SHAP、LIME)は個々の予測を説明するが、高次構造を見逃すことが多い。 影響のモジュール(MoI)を提案する。 i) インスタンスごとの属性からモデル説明グラフを構築する。 (二)共同で予測に影響を及ぼす特徴モジュールの発見にコミュニティ検出を適用し、 三)これらのモジュールが偏見、冗長性、因果パターンにどのように関係しているかを定量化する。 合成データセットと実データセット全体で、MoIは相関する機能グループを明らかにし、モジュールレベルのアブレーションによるモデルデバッグを改善し、特定のモジュールへのバイアス露光をローカライズする。 我々は,モジュール発見をXAIでベンチマークするために,安定性と相乗効果の指標,参照実装,評価プロトコルをリリースする。

関連論文リスト

• A Causal Adjustment Module for Debiasing Scene Graph Generation [28.44150555570101]
  我々は、歪んだ分布間の因果関係をモデル化するために因果推論技術を用いる。 提案手法により,ゼロショット関係の合成が可能となり,そのような関係を認識できるモデルの性能が向上する。
  論文  参考訳（メタデータ） (2025-03-22T20:44:01Z)
• Influence Functions for Scalable Data Attribution in Diffusion Models [52.92223039302037]
  拡散モデルは、生成的モデリングに大きな進歩をもたらした。 しかし、彼らの普及はデータ属性と解釈可能性に関する課題を引き起こす。 これらの課題に対処するための影響関数フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-10-17T17:59:02Z)
• Graph-based Unsupervised Disentangled Representation Learning via Multimodal Large Language Models [42.17166746027585]
  複素データ内の因子化属性とその相互関係を学習するための双方向重み付きグラフベースフレームワークを提案する。 具体的には、グラフの初期ノードとして要素を抽出する$beta$-VAEベースのモジュールを提案する。 これらの相補的加群を統合することで、我々は細粒度、実用性、教師なしの絡み合いをうまく達成できる。
  論文  参考訳（メタデータ） (2024-07-26T15:32:21Z)
• Decomposing and Editing Predictions by Modeling Model Computation [75.37535202884463]
  コンポーネントモデリングというタスクを導入します。 コンポーネントモデリングの目標は、MLモデルの予測をコンポーネントの観点から分解することだ。 コンポーネント属性を推定するスケーラブルなアルゴリズムであるCOARを提案する。
  論文  参考訳（メタデータ） (2024-04-17T16:28:08Z)
• Variable Importance Matching for Causal Inference [73.25504313552516]
  これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。 Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。 LASSO を用いて Model-to-Match フレームワークを運用する。
  論文  参考訳（メタデータ） (2023-02-23T00:43:03Z)
• Meta-Causal Feature Learning for Out-of-Distribution Generalization [71.38239243414091]
  本稿では,協調タスク生成モジュール (BTG) とメタ因果特徴学習モジュール (MCFL) を含む,バランス付きメタ因果学習器 (BMCL) を提案する。 BMCLは、分類のためのクラス不変の視覚領域を効果的に識別し、最先端の手法の性能を向上させるための一般的なフレームワークとして機能する。
  論文  参考訳（メタデータ） (2022-08-22T09:07:02Z)
• On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
  異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。 このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。 我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-06-09T17:12:32Z)
• Evaluating Modules in Graph Contrastive Learning [29.03038320344791]
  グラフコントラスト学習モデルを4つのモジュールに分解するフレームワークを提案する。 ノード分類タスクとグラフ分類タスクについて実験を行う。 モジュール化されたツールキットOpenGCLとして実装と結果をリリースします。
  論文  参考訳（メタデータ） (2021-06-15T14:14:23Z)
• Semi-Modular Inference: enhanced learning in multi-modular models by tempering the influence of components [0.0]
  既存のModular/Cut-model推論がコヒーレントであることを示し、Semi-Modular Inferenceスキームの新しいファミリーを記述する。 推論方式を選択するメタラーニング基準と推定手順を与える。 文献から得られた2つの標準的な試験事例と,その動機となる考古学的データセットについて概説する。
  論文  参考訳（メタデータ） (2020-03-15T11:55:55Z)

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。