.png){kind=icon}
返回
Generating Rationales Based on Human Explanations for Constrained Optimization
.png){kind=icon}
OA
AI
DOI：10.1007/978-3-032-08317-3_8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多约束优化问题，包括与基础设施规划相关的问题（如能源系统或物流），可以通过基于线性规划的“白盒”求解器有效解决。尽管开发这些算法的专家对其有深入理解，但对其解决方案的解释对于向非专业人士传达其含义仍然必要。然而，尚不清楚此类解释应如何呈现，因为线性规划求解器对问题的高维抽象表示可能与人脑的表示方式不匹配。本文提出了一种用于寻找与人类表示方式对齐的约束优化问题解决方案的算法。该算法整合了先前关于约束优化问题结构、复杂度及人类解释表示的研究关键见解。具体而言，我们从参与者解释和先前关于人类优化策略研究的实验行为数据中直接推导出谓词文法。结合对规则复杂度进行正则化的先验，该文法构成了理性规则模型的基础，我们利用此模型生成模仿人类解释的解决方案。鉴于人类对约束优化问题的解释反映了顺序决策过程，我们的方法在马尔可夫决策过程中搜索顺序解表示空间，以识别最易解释的序列及其对应的解决方案。我们在人类解决方案上评估了该算法，并证明生成的解决方案具有高数据集描述得分和与人类解释相似的复杂度，表明这些解决方案能够很好地捕捉人类决策过程，因此与人类解释的表示方式和结构相符。
Keyword:
Human explanation
Rule-based XAI
Constrained Optimization
期刊
E
IF:
0
论文数:
20
被引数:
0
机构
引用论文
"Why Should I Trust You?"“我为什么要相信你？”.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏Towards Faithfully Interpretable NLP Systems: How Should We Define and Evaluate Faithfulness?走向可忠实解释的NLP系统: 我们应该如何定义和评估忠诚度？OAAI
OAAI分享收藏分享收藏Explainable Artificial Intelligence (XAI) 2.0: A manifesto of open challenges and interdisciplinary research directions可解释人工智能 (XAI) 2.0: 开放挑战和跨学科研究方向的宣言INFORMATION FUSION
OAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏分享收藏
查看更多内容