通过信息检索提高基于规则解释的可解释性
人工智能
2025-07-09 v1 信息检索
摘要
数据驱动的人工智能技术的透明度不足限制了其可解释性和在乳腺癌淋巴结放射治疗后臂淋巴水肿风险评估中的接受度。我们提出了一种基于归因的方法，用于提高 Explainable AI 在特定上下文中的可解释性，即乳腺癌淋巴结放射治疗后臂淋巴水肿风险评估。该方法使用信息检索技术中的标准指标对基于规则的预测模型中的属性进行统计分析。该分析计算每个属性对预测的相关性，为用户提供有关风险因素影响的可解释信息。与 Explainable AI 模型的原始输出进行的用户研究结果表明，所提出的方法在预测淋巴水肿风险的上下文中提供了更高的可解释性和实用性。
引用
@article{arxiv.2507.05976,
title = {Enhancing the Interpretability of Rule-based Explanations through Information Retrieval},
author = {Alessandro Umbrico and Guido Bologna and Luca Coraci and Francesca Fracasso and Silvia Gola and Gabriella Cortellessa},
journal= {arXiv preprint arXiv:2507.05976},
year = {2025}
}