利用不良童年经历语义的可解释人工智能推荐系统：概念验证原型开发
人工智能
2020-11-17 v1 信息检索
摘要
不良童年经历及其后果的研究在过去 20 年中兴起。在本研究中，我们旨在利用可解释人工智能，并提出一个知识驱动、证据为基础的推荐系统的概念验证原型，以改进对不良童年经历的监测。我们使用已开发本体中的概念，借助 Google DialogFlow 引擎构建并训练了一个问答智能体。除问答智能体外，初始原型还包括利用第三方图技术的知识图谱生成与推荐组件。为展示框架功能，我们在此呈现原型设计，并通过田纳西州孟菲斯一家儿童医院当前实施的一项倡议所启发的四个用例场景来演示其主要特征。原型的持续开发需要实施推荐的优化算法、通过个人健康库加入隐私层，以及开展临床试验以评估该实现的可用性与有用性。这一语义驱动的可解释人工智能原型能够增强医疗从业者对其所做决策提供解释的能力。
引用
@article{arxiv.2011.08090,
title = {Explainable Artificial Intelligence Recommendation System by Leveraging the Semantics of Adverse Childhood Experiences: Proof-of-Concept Prototype Development},
author = {Nariman Ammar and Arash Shaban-Nejad},
journal= {arXiv preprint arXiv:2011.08090},
year = {2020}
}
备注
15 Pages, 7 Figures