論文の概要: Contrastive Explanations in Quantitative Bipolar Argumentation Frameworks

• arxiv url: http://arxiv.org/abs/2609.02399v1
• Date: Wed, 02 Sep 2026 10:11:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.230636
• Title: Contrastive Explanations in Quantitative Bipolar Argumentation Frameworks
• Title（参考訳）: 定量的双極子論の枠組みにおける対照的な説明
• Abstract要約: 定量的双極性論証フレームワーク(QBAF)の対照的な説明を紹介する。 QBAFの既存の説明とは異なり、対照的な説明は2つの話題の議論の違いを説明する。 医療およびバイアス識別設定において有用性を示す。
• 参考スコア（独自算出の注目度）: 30.894983962076523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Argumentation frameworks are useful tools for representing and reasoning with information in a variety of settings, e.g. in supplementing AI models as they perform classification tasks, with a notable benefit of providing additional explainability. In this paper, we introduce contrastive explanations for Quantitative Bipolar Argumentation Frameworks (QBAFs), one such formalism. Unlike most existing explanations for QBAFs, which explain the reasoning outcome of a single argument of interest (i.e. a topic argument), contrastive explanations explain the difference between two topic arguments. We introduce a general form of contrastive attribution functions (CAFs) and establish a set of general properties they should satisfy. We introduce CAFs based on removal, gradients and Shapley-values, and study their properties. Finally, to illustrate contrastive explanations, we demonstrate their usefulness in healthcare and bias identification settings.
• Abstract（参考訳）: 引数フレームワークは、AIモデルを分類タスクの実行時に補完するなど、さまざまな設定で情報を表現し、推論するための有用なツールである。 本稿では,量的双極性調停フレームワーク (QBAFs) に対する対照的な説明を紹介する。 関心の1つの議論(つまりトピックの議論)の推論結果を説明する既存のQBAFのほとんどの説明とは異なり、対照的な説明は2つのトピックの議論の違いを説明する。 コントラスト属性関数(CAF)の一般形式を導入し、それらを満たすべき一般的な性質の集合を確立する。 除去,勾配,シェープ値に基づくCAFを導入し,その特性について検討する。 最後に、対照的な説明を説明するために、医療およびバイアス識別設定におけるそれらの有用性を示す。

関連論文リスト

• Change in Quantitative Bipolar Argumentation: Sufficient, Necessary, and Counterfactual Explanations [0.0]
  本稿では,量的双極性論証フレームワーク(QBAF)における推論の変化を説明するための公式なアプローチを提案する。 我々は、意味論が関心のある議論で確立する議論の強みに関する部分的な順序において、強度不整合と呼ばれる変化をトレースする。 我々は、強度不整合に対する十分な、必要な、そして反実的な説明を特定し、強度不整合が強度不整合につながる場合に限り、強度不整合の説明が存在することを示す。
  論文  参考訳（メタデータ） (2025-09-21T20:26:47Z)
• Axiomatic Characterisations of Sample-based Explainers [8.397730500554047]
  サンプルやデータセットから特徴に基づく説明を生成する説明を精査する。 我々は、他のすべてと互換性のある2つの重要な特性を満たす説明者のファミリー全体を識別する。 我々は、説明の存在と不確実なグローバル整合性を保証する最初の(広義の)説明者を紹介する。
  論文  参考訳（メタデータ） (2024-08-09T07:10:07Z)
• CE-QArg: Counterfactual Explanations for Quantitative Bipolar Argumentation Frameworks (Technical Report) [18.505289553533164]
  定量的双極性論証フレームワーク (CE-QArg) に対する対実的説明法という反復的アルゴリズムを提案する。 CE-QArgは2つのコアモジュール(極性と優先度)に基づいて有効で費用対効果のある説明を特定できる。 本稿では, CE-QArg をランダムに生成した QBAF 上で実証的に評価する。
  論文  参考訳（メタデータ） (2024-07-11T13:34:11Z)
• 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)
• Explaining Causal Models with Argumentation: the Case of Bi-variate Reinforcement [15.947501347927687]
  因果モデルから議論フレームワーク(AF)を生成するための概念化を導入する。 この概念化は、AFの意味論の望ましい性質を説明型として再解釈することに基づいている。 我々はこれらの論証的説明の理論的評価を行い、それらが望ましい説明的および論証的特性の範囲を満たすかどうかを検討する。
  論文  参考訳（メタデータ） (2022-05-23T19:39:51Z)
• Human Interpretation of Saliency-based Explanation Over Text [65.29015910991261]
  テキストデータ上でのサリエンシに基づく説明について検討する。 人はしばしば説明を誤って解釈する。 本稿では,過度知覚と過小認識のモデル推定に基づいて,サリエンシを調整する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-27T15:20:32Z)
• Prompting Contrastive Explanations for Commonsense Reasoning Tasks [74.7346558082693]
  大規模事前学習言語モデル(PLM)は、常識推論タスクにおいて、ほぼ人間に近い性能を達成することができる。 人間の解釈可能な証拠を生成するために、同じモデルを使う方法を示す。
  論文  参考訳（メタデータ） (2021-06-12T17:06:13Z)
• Contrastive Explanations for Model Interpretability [77.92370750072831]
  分類モデルの対照的説明を生成する手法を提案する。 本手法は潜在空間へのモデル表現の投影に基づいている。 本研究は,モデル決定のより正確できめ細かな解釈性を提供するためのラベルコントラスト的説明の能力に光を当てた。
  論文  参考訳（メタデータ） (2021-03-02T00:36:45Z)
• The Struggles of Feature-Based Explanations: Shapley Values vs. Minimal Sufficient Subsets [61.66584140190247]
  機能に基づく説明は、自明なモデルでも問題を引き起こすことを示す。 そこで本研究では,2つの一般的な説明書クラスであるシェープリー説明書と十分最小限の部分集合説明書が,基本的に異なる基底的説明書のタイプをターゲットにしていることを示す。
  論文  参考訳（メタデータ） (2020-09-23T09:45:23Z)
• 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。