利用GAN生成用户友好的贷款拒批解释
机器学习
2019-06-26 v1 人机交互
机器学习
摘要
金融决策影响着我们的生活，因此从监管者到消费者，每个人都对公平、合理且可解释的决策感兴趣。在金融服务中审慎部署人工智能的竞争需求与监管激励正日益增强。实现这一目标的重要机制是向各利益相关方解释人工智能的决策。最先进的可解释人工智能系统大多服务于人工智能工程师，对业务决策者、客户及其他利益相关方几乎毫无价值。为弥补这一差距，本文考虑解释贷款拒批的场景。我们构建了首个具有代表性的、面向贷款申请人的友好解释数据集。我们设计了一种新颖的生成对抗网络（GAN），能够适应较小规模的数据集，以生成用户友好的文本解释。我们展示了我们的系统如何还能生成服务于不同目的的解释：那些帮助贷款申请人获得知识，或帮助其采取适当行动以在未来获得批准的解释。
引用
@article{arxiv.1906.10244,
title = {Generating User-friendly Explanations for Loan Denials using GANs},
author = {Ramya Srinivasan and Ajay Chander and Pouya Pezeshkpour},
journal= {arXiv preprint arXiv:1906.10244},
year = {2019}
}
备注
Presented at the NeurIPS 2018 Workshop on Challenges and Opportunities for AI in Financial Services: the Impact of Fairness, Explainability, Accuracy, and Privacy, Montreal, Canada