論文の概要: Diversified and Perceptible Counterfactual Examples Leveraging Expert Knowledge

• arxiv url: http://arxiv.org/abs/2609.15609v1
• Date: Mon, 14 Sep 2026 14:07:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.428218
• Title: Diversified and Perceptible Counterfactual Examples Leveraging Expert Knowledge
• Title（参考訳）: 専門知識を活用した多種多様かつ知覚可能な対実例
• Abstract要約: 本稿では,ファジィ言語語彙として表現される知識を統合することを提案する。 本稿では、この言語領域に連続的なデータ埋め込みを提案し、それを利用してDiCEの変種を定義し、DiCEfと呼ばれる説明者のパーソナライズを可能にする。
• 参考スコア（独自算出の注目度）: 1.5924410290166868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: CounterFactual Examples (CFEs) are a cornerstone of eXplainable Artificial Intelligence (XAI), offering local, post hoc, and model-agnostic explanations by identifying minimal input modifications that alter a model's prediction. Yet, in order to be intelligible, these modifications must also be semantically meaningful to the explainee. This paper proposes to integrate knowledge expressed as a fuzzy linguistic vocabulary to represent the explainee's perception and interpretation of the data. The domain induced by this fuzzy vocabulary imposes structural constraints that make the features dependent, preventing the use of gradient-based optimisation methods for CFE generation, e.g., DiCE. The paper proposes a continuous data embedding in this linguistic domain and exploits it to define a variant of DiCE that allows personalisation for the explainee, named DiCEf. As illustrated by experimental results on a real-world dataset, this extension of the DiCE method enables the generation of CFEs that are linguistically perceptible while preserving cost minimality, sparsity, and diversity.
• Abstract（参考訳）: CounterFactual Examples(CFE)は、eXplainable Artificial Intelligence(XAI)の基盤であり、モデルの予測を変更する最小限の入力修正を識別することによって、ローカル、ポストホック、モデルに依存しない説明を提供する。 しかし、理解しやすくするためには、これらの修正は説明者に意味論的に意味を持たなければならない。 本稿では,ファジィ言語語彙として表現される知識を統合することを提案する。 このファジィ語彙によって誘導されるドメインは、特徴を依存させる構造的制約を課し、CFE生成のための勾配に基づく最適化手法(例えば、DiCE)の使用を阻止する。 本稿では、この言語領域に連続的なデータ埋め込みを提案し、それを利用してDiCEの変種を定義し、DiCEfと呼ばれる説明者のパーソナライズを可能にする。 実世界のデータセットでの実験結果から説明されるように、DCE法のこの拡張により、コストの最小性、空間性、多様性を保ちながら言語的に認識可能なCFEの生成が可能になる。

関連論文リスト

• LaScA: Language-Conditioned Scalable Modelling of Affective Dynamics [3.3187704612685267]
  本稿では,言語モデル(LM)を手作業による影響記述子に対する意味的文脈条件付けとして利用する新しいフレームワークを提案する。 我々のアプローチは、構造的ドメイン知識から派生した、解釈可能な顔形状と音響特徴から始まる。 事前訓練されたLMはこれらの記述を処理し、感情力学よりも高いレベルの先行として機能する意味的文脈埋め込みを生成する。
  論文  参考訳（メタデータ） (2026-04-08T15:18:39Z)
• Interpreting CFD Surrogates through Sparse Autoencoders [6.842974489069953]
  本研究では,計算流体力学(CFD)で用いられるグラフベースの代理モデルに対するポストホック解釈可能性フレームワークを導入する。 事前訓練されたサロゲートのノード埋め込み空間における過剰な基底を得ることにより、解釈可能な潜在特徴の辞書を抽出する。 このアプローチは、渦や流れ構造のような物理的現象に整合した単意味概念の同定を可能にする。
  論文  参考訳（メタデータ） (2025-07-21T21:09:45Z)
• Disentangling Linguistic Features with Dimension-Wise Analysis of Vector Embeddings [0.0]
  本稿では,異なる言語特性(LP)を符号化したベクトル埋め込みの特定の次元を明らかにするための枠組みを提案する。 本稿では,同義語,否定語,時制,量などの10つの重要な言語的特徴を分離するLinguistically Distinct Sentence Pairsデータセットを紹介する。 このデータセットを用いて,様々な手法を用いてBERT埋め込みを分析し,各LPの最も影響力のある次元を同定する。 我々の研究結果は、否定や極性といった特定の性質が特定の次元で強固に符号化されている一方で、同義語のような他の性質はより複雑なパターンを示すことを示している。
  論文  参考訳（メタデータ） (2025-04-20T23:38:16Z)
• I Predict Therefore I Am: Is Next Token Prediction Enough to Learn Human-Interpretable Concepts from Data? [76.15163242945813]
  大規模言語モデル (LLM) は、多くの人が知能の形式を示すと結論づけている。 本稿では,潜在離散変数として表現される人間解釈可能な概念に基づいてトークンを生成する新しい生成モデルを提案する。
  論文  参考訳（メタデータ） (2025-03-12T01:21:17Z)
• Reconsidering Degeneration of Token Embeddings with Definitions for Encoder-based Pre-trained Language Models [20.107727903240065]
  本研究では,エンコーダに基づく言語モデルのための等方的および意味論的トークン埋め込みを再構築するために,DefindEMBを提案する。 本実験は,Wiktionaryの定義を応用し,そのような埋め込みを再構築する効果を実証する。
  論文  参考訳（メタデータ） (2024-08-02T15:00:05Z)
• Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
  対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。 UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。 UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
  論文  参考訳（メタデータ） (2024-02-26T20:09:44Z)
• MACE: An Efficient Model-Agnostic Framework for Counterfactual Explanation [132.77005365032468]
  MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。 MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。 公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
  論文  参考訳（メタデータ） (2022-05-31T04:57:06Z)
• A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
  固有プローブ構築のための新しい潜在変数定式化を提案する。 我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
  論文  参考訳（メタデータ） (2022-01-20T15:01:12Z)
• Regularizing Variational Autoencoder with Diversity and Uncertainty Awareness [61.827054365139645]
  変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。 よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
  論文  参考訳（メタデータ） (2021-10-24T07:58:13Z)
• Generative Counterfactuals for Neural Networks via Attribute-Informed Perturbation [51.29486247405601]
  AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。 異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。 実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
  論文  参考訳（メタデータ） (2021-01-18T08:37:13Z)

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。