Fugu-MT 論文翻訳(概要): XAM: Interactive Explainability for Authorship Attribution Models

論文の概要: XAM: Interactive Explainability for Authorship Attribution Models

arxiv url: http://arxiv.org/abs/2512.06924v1
Date: Sun, 07 Dec 2025 17:07:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-09 22:03:54.5914
Title: XAM: Interactive Explainability for Authorship Attribution Models
Title（参考訳）: XAM:オーサシップ属性モデルのためのインタラクティブな説明可能性
Authors: Milad Alshomary, Anisha Bhatnagar, Peter Zeng, Smaranda Muresan, Owen Rambow, Kathleen McKeown,
Abstract要約: IXAMでは、モデルの埋め込み空間をインタラクティブに探索し、モデルの予測を説明することができる。事前定義された形式的説明と比較して,フレームワークの価値を実証する。
参考スコア（独自算出の注目度）: 34.47273267035104
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present IXAM, an Interactive eXplainability framework for Authorship Attribution Models. Given an authorship attribution (AA) task and an embedding-based AA model, our tool enables users to interactively explore the model's embedding space and construct an explanation of the model's prediction as a set of writing style features at different levels of granularity. Through a user evaluation, we demonstrate the value of our framework compared to predefined stylistic explanations.
Abstract（参考訳）: 著者属性モデルのためのインタラクティブなeXplainabilityフレームワークであるIXAMについて述べる。著者帰属(AA)タスクと埋め込み型AAモデルにより、モデルの埋め込み空間を対話的に探索し、モデルの予測を、異なるレベルの粒度で記述スタイルの特徴の集合として記述することができる。ユーザ評価を通じて,事前定義された形式的説明と比較して,フレームワークの価値を実証する。

関連論文リスト

Community Detection on Model Explanation Graphs for Explainable AI [0.0]
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。
論文参考訳（メタデータ） (2025-10-31T17:27:56Z)
Automated Detection of Visual Attribute Reliance with a Self-Reflective Agent [58.90049897180927]
視覚モデルにおける視覚的特徴の意図しない依存を検出するための自動フレームワークを提案する。自己反射エージェントは、モデルが依存する可能性のある視覚特性に関する仮説を生成し、テストする。我々は,視覚特性の多様さを示すために設計された130モデルの新しいベンチマークに対して,我々のアプローチを評価した。
論文参考訳（メタデータ） (2025-10-24T17:59:02Z)
Language Model as Visual Explainer [72.88137795439407]
本稿では,木構造言語学的説明を用いた視覚モデル解釈のための体系的アプローチを提案する。提案手法は,属性を付与した木の形で人間に理解可能な説明を提供する。提案手法の有効性を確認するため,新しいベンチマークを導入し,厳密な評価を行う。
論文参考訳（メタデータ） (2024-12-08T20:46:23Z)
Exploiting Contextual Target Attributes for Target Sentiment Classification [53.30511968323911]
TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
論文参考訳（メタデータ） (2023-12-21T11:45:28Z)
Leveraging Model-based Trees as Interpretable Surrogate Models for Model Distillation [3.5437916561263694]
代理モデルは、複雑で強力なブラックボックス機械学習モデルを振り返りに解釈する上で重要な役割を果たす。本稿では,決定規則により特徴空間を解釈可能な領域に分割する代理モデルとしてモデルベースツリーを用いることに焦点を当てる。 4つのモデルベースツリーアルゴリズム(SLIM, GUIDE, MOB, CTree)を比較した。
論文参考訳（メタデータ） (2023-10-04T19:06:52Z)
Increasing Performance And Sample Efficiency With Model-agnostic Interactive Feature Attributions [3.0655581300025996]
我々は,2つの一般的な説明手法(Occlusion と Shapley の値)に対して,モデルに依存しない実装を提供し,その複雑なモデルにおいて,完全に異なる属性を強制する。提案手法は,修正された説明に基づいてトレーニングデータセットを増強することで,モデルの性能を著しく向上させることができることを示す。
論文参考訳（メタデータ） (2023-06-28T15:23:28Z)
Probing Statistical Representations For End-To-End ASR [28.833851817220616]
本稿では,SVCCAを用いたトランスフォーマーアーキテクチャにおけるドメイン間言語モデル依存性について検討する。その結果, トランス層内の特定の神経表現は, 認識性能に影響を及ぼす相関挙動を示すことがわかった。
論文参考訳（メタデータ） (2022-11-03T17:08:14Z)
Explaining and Improving Model Behavior with k Nearest Neighbor Representations [107.24850861390196]
モデルの予測に責任のあるトレーニング例を特定するために, k 近傍表現を提案する。我々は,kNN表現が学習した素因関係を明らかにするのに有効であることを示す。以上の結果から,kNN手法により,直交モデルが逆入力に対してより堅牢であることが示唆された。
論文参考訳（メタデータ） (2020-10-18T16:55:25Z)
A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文参考訳（メタデータ） (2020-09-25T12:01:53Z)
Asking the Right Questions: Learning Interpretable Action Models Through Query Answering [33.08099403894141]
本稿では,ブラックボックス型自律エージェントの解釈可能なリレーショナルモデルを設計・動作可能な新しいアプローチを開発する。我々の主な貢献は、エージェントとの最小クエリインタフェースを用いてそのようなモデルを推定するための新しいパラダイムと、エージェントの内部モデルを推定するための尋問ポリシーを生成する階層的なクエリアルゴリズムである。
論文参考訳（メタデータ） (2019-12-29T09:05:06Z)

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。