融入过程知识的学习用于社交媒体上的自杀倾向评估
人工智能
2022-04-28 v1 机器学习
摘要
提高深度学习算法的性能和自然语言解释能力，是其在现实世界中被人类采用的优先事项。在医疗等多个领域，此类技术具有通过大规模提供高质量辅助来减轻人类负担的巨大潜力。然而，当前方法依赖于从数据预测标签的传统流程，从而完全忽略了用于获取标签的过程和指南。此外，使用可解释人工智能（XAI）模型对数据到标签预测进行的事后解释，虽然令计算机科学家满意，但由于缺乏用人类可理解概念对过程的解释，最终用户仍有很多期待。我们引入、形式化并发展了一种新的人工智能范式——过程知识融入学习（PK-iL）。PK-iL 利用结构化的过程知识，明确解释对最终用户有意义的底层预测过程。定性人类评估通过 0.72 的标注者一致性确认，人类能够理解预测的解释。PK-iL 在性能上也与最先进的基线方法具有竞争力。
引用
@article{arxiv.2204.12560,
title = {Process Knowledge-infused Learning for Suicidality Assessment on Social Media},
author = {Kaushik Roy and Manas Gaur and Qi Zhang and Amit Sheth},
journal= {arXiv preprint arXiv:2204.12560},
year = {2022}
}