論文の概要: On the Importance and Evaluation of Narrativity in Natural Language AI Explanations

• arxiv url: http://arxiv.org/abs/2604.18311v1
• Date: Mon, 20 Apr 2026 14:17:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.928247
• Title: On the Importance and Evaluation of Narrativity in Natural Language AI Explanations
• Title（参考訳）: 自然言語AI説明におけるナラティビティの重要性と評価について
• Authors: Mateusz Cedro, David Martens,
• Abstract要約: 我々は、XAIの説明は物語の形で提示されるべきであると主張する。 物語的説明は4つの定義特性を通して人間の理解を支援する。 説明文の物語的品質を定量化する7つの自動メトリクスを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Explainable AI (XAI) aims to make the behaviour of machine learning models interpretable, yet many explanation methods remain difficult to understand. The integration of Natural Language Generation into XAI aims to deliver explanations in textual form, making them more accessible to practitioners. Current approaches, however, largely yield static lists of feature importances. Although such explanations indicate what influences the prediction, they do not explain why the prediction occurs. In this study, we draw on insights from social sciences and linguistics, and argue that XAI explanations should be presented in the form of narratives. Narrative explanations support human understanding through four defining properties: continuous structure, cause-effect mechanisms, linguistic fluency, and lexical diversity. We show that standard Natural Language Processing (NLP) metrics based solely on token probability or word frequency fail to capture these properties and can be matched or exceeded by tautological text that conveys no explanatory content. To address this issue, we propose seven automatic metrics that quantify the narrative quality of explanations along the four identified dimensions. We benchmark current state-of-the-art explanation generation methods on six datasets and show that the proposed metrics separate descriptive from narrative explanations more reliably than standard NLP metrics. Finally, to further advance the field, we propose a set of problem-agnostic XAI Narrative generation rules for producing natural language XAI explanations, so that the resulting XAI Narratives exhibit stronger narrative properties and align with the findings from the linguistic and social science literature.
• Abstract（参考訳）: 説明可能なAI(XAI)は、機械学習モデルの振る舞いを解釈可能にすることを目的としている。 XAIへの自然言語生成の統合は、テキスト形式での説明を提供することを目的としており、実践者にとってよりアクセスしやすいものになっている。 しかし、現在のアプローチは機能の重要性の静的リストを主に得ている。 このような説明は予測にどのような影響を及ぼすかを示すが、なぜ予測が起こるのかは説明していない。 本研究では,社会科学と言語学の知見に基づいて,XAIの説明は物語の形で提示されるべきである,と論じる。 物語的説明は、連続構造、原因-影響機構、言語流布、語彙多様性の4つの定義特性を通して人間の理解を支援する。 トークン確率や単語頻度のみに基づく標準自然言語処理(NLP)のメトリクスは,これらの特性を捉えるのに失敗し,説明的内容を持たないタウトロジーテキストで一致あるいは超えることができることを示す。 この問題に対処するため,4次元にまたがる説明の語りの質を定量化する7つの自動指標を提案する。 提案手法は6つのデータセットに対して現在最先端の説明生成手法をベンチマークし,提案手法が標準のNLP指標よりも信頼性の高い記述的説明から分離していることを示す。 最後に、この分野をさらに進めるために、自然言語のXAI説明を生成するための問題に依存しないXAIナラティブ生成ルールのセットを提案し、その結果、XAIナラティブはより強力な物語特性を示し、言語学・社会科学文献からの知見と一致させる。

関連論文リスト

• XForecast: Evaluating Natural Language Explanations for Time Series Forecasting [72.57427992446698]
  時系列予測は、特に正確な予測に依存するステークホルダーにとって、意思決定を支援する。 伝統的に説明可能なAI(XAI)メソッドは、機能や時間的重要性を基盤とするものであり、専門家の知識を必要とすることが多い。 時系列データにおける複雑な因果関係のため,予測NLEの評価は困難である。
  論文  参考訳（メタデータ） (2024-10-18T05:16:39Z)
• Natural Language Counterfactual Explanations for Graphs Using Large Language Models [7.560731917128082]
  我々は、オープンソースのLarge Language Modelsの力を利用して、自然言語の説明を生成する。 提案手法は, 対実例の正確な自然言語表現を効果的に生成することを示す。
  論文  参考訳（メタデータ） (2024-10-11T23:06:07Z)
• 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)
• INTERACTION: A Generative XAI Framework for Natural Language Inference Explanations [58.062003028768636]
  現在のXAIアプローチは、ひとつの説明を提供することにのみ焦点をあてています。 本稿では、生成型XAIフレームワーク、InterACTION(explaIn aNd predicT thEn queRy with contextuAl CondiTional variational autO-eNcoder)を提案する。 提案するフレームワークは,説明とラベル予測の2つのステップ,および(ステップ2)異種証拠生成の2つのステップで説明を行う。
  論文  参考訳（メタデータ） (2022-09-02T13:52:39Z)
• Scientific Explanation and Natural Language: A Unified Epistemological-Linguistic Perspective for Explainable AI [2.7920304852537536]
  本稿では,理論と実践のギャップを科学的説明の概念に埋めることを目的として,科学的領域に焦点を当てた。 定量的および定性的手法の混合により、本研究では以下の主要な結論を導出することができる。
  論文  参考訳（メタデータ） (2022-05-03T22:31:42Z)
• Towards Interpretable Natural Language Understanding with Explanations as Latent Variables [146.83882632854485]
  そこで本研究では,人間に注釈付き説明文の小さなセットだけを必要とする自然言語理解の枠組みを構築した。 我々のフレームワークは、ニューラルネットワークの基本的な推論過程をモデル化する潜在変数として、自然言語の説明を扱う。
  論文  参考訳（メタデータ） (2020-10-24T02:05:56Z)

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。