文化遗产应用中的可解释作者身份识别：一种新视角的分析
机器学习
2023-11-07 v1
摘要
尽管近期已有大量工作致力于提升计算式作者身份识别（AId）系统的性能，但几乎无人关注赋予 AId 系统解释其预测背后原因的能力。这一缺失严重阻碍了 AId 方法学的实际运用，因为此类系统返回的预测除非有恰当的解释支撑，否则几乎毫无用处。本文探讨了将现有通用可解释人工智能（XAI）技术应用于 AId 的适用性，特别关注面向文化遗产领域学者的解释。具体而言，我们通过在真实 AId 数据上运行实验，评估了三类不同 XAI 技术（特征排序、探测、事实与反事实选择）在三项不同 AId 任务（作者归属、作者验证、同作者验证）上的相对优劣。我们的分析表明，尽管这些技术朝着可解释作者身份识别迈出了重要的第一步，但要想提供能够切实整合进学者工作流的工具有待更多研究。
引用
@article{arxiv.2311.02237,
title = {Explainable Authorship Identification in Cultural Heritage Applications: Analysis of a New Perspective},
author = {Mattia Setzu and Silvia Corbara and Anna Monreale and Alejandro Moreo and Fabrizio Sebastiani},
journal= {arXiv preprint arXiv:2311.02237},
year = {2023}
}