CIDR：一种面向最小特征移除问题的协同集成动态精炼方法
人工智能
2024-02-09 v2
摘要
事后解释领域中的最小特征移除问题旨在识别最小特征集（MFS）。先前使用贪心算法计算最小特征集的研究缺乏对特征交互的探索，且基于一个在一般场景下无法满足的单调性假设。为了解决上述局限性，我们提出了一种协同集成动态精炼方法（CIDR）来高效地发现最小特征集。具体来说，我们设计了协同集成梯度（CIG）来检测特征间的交互。通过结合 CIG 和最小特征集的特性，我们将最小特征移除问题转化为一个背包问题。此外，我们设计了一个辅助的最小特征精炼算法，以从众多候选集中确定最小特征集。据我们所知，我们的工作是首次在自然语言处理领域解决最小特征移除问题。大量实验表明，CIDR 能够在各种模型和数据集上追踪具有代表性的最小特征集，并提高可解释性。
引用
@article{arxiv.2312.08157,
title = {CIDR: A Cooperative Integrated Dynamic Refining Method for Minimal Feature Removal Problem},
author = {Qian Chen and Taolin Zhang and Dongyang Li and Xiaofeng He},
journal= {arXiv preprint arXiv:2312.08157},
year = {2024}
}
备注
Accepted by AAAI2024