可解释人工智能（XAI）文献趋势分析

Alon Jacovi

可解释人工智能（XAI）文献趋势分析

人工智能 2023-01-16 v1

作者: Alon Jacovi

摘要

可解释人工智能（XAI）文献在术语和发表渠道上均呈分散状态，但近年来学界围绕若干关键词逐渐趋同，使得自动发现相关论文更为可靠。我们利用 SemanticScholar API 进行关键词检索并结合人工整理，收集了一套格式规范且较为全面的 5199 篇 XAI 论文，该数据集可在 https://github.com/alonjacovi/XAI-Scholar 获取。我们利用该数据集来阐明并可视化文献规模与范围、引用趋势、跨领域趋势以及合作趋势。总体而言，XAI 正日益呈现多学科化，具体表现为来自日益多样化的（非计算机科学）科学领域的论文相对增长、跨领域合作作者增多以及跨领域引用活动增加。该数据集还可作为论文发现引擎，通过检索符合特定约束条件的被引 XAI 文献（例如，在其领域外具有影响力的论文，或对非 XAI 研究具有影响力的论文）来使用。

关键词

可解释人工智能 XAI 文献引用趋势跨领域合作多学科研究文献计量分析论文发现

引用

@article{arxiv.2301.05433,
  title  = {Trends in Explainable AI (XAI) Literature},
  author = {Alon Jacovi},
  journal= {arXiv preprint arXiv:2301.05433},
  year   = {2023}
}