数据联盟中Shapley值的时间反事实解释

Shapley值在数据估值中被广泛应用。然而，解释数据联盟中数据拥有者的Shapley值是一个未被探索且具有挑战性的任务。为此，我们提出了在数据联盟中寻找Shapley值时间反事实解释的問題。具体而言，给定两个数据拥有者A和B，且A的Shapley值高于B的時間反事實解释是指：从A中找出最小的数据条目子集，使得将该子集从A转移到B后，A的Shapley值小于B的Shapley值。我们证明了时间反事实解释必然存在，但寻找精确的时间反事实解释是NP难的。使用蒙特卡罗估计直接根据定义近似时间反事实解释仍然代价高昂，因为我们需要在每种可能的子集转移后估计A和B的Shapley值。我们发展了一系列启发式技术来加快计算速度，通过估计差分Shapley值、计算单个数据条目的权力、以及贪心地移动子集，最终形成了SV-Exp算法。我们的实验结果在真实数据集上清晰地展示了该方法的效率以及时间反事实解释在解释数据拥有者Shapley值方面的有效性。