可解释链接预测：面向主数据管理的 xLP
人工智能
2024-03-18 v1
摘要
向用户解释神经模型预测需要创造力。尤其是在企业应用中，用户时间成本高昂，且对模型预测的信任是采纳的关键。对于主数据管理中的链接预测，我们构建了多项可解释性解决方案，源自可解释性、事实验证、路径排序、神经符号推理和自解释 AI 等领域的研究。在本演示中，我们以创造性方式呈现链接预测的解释，允许用户选择自己更为熟悉的解释方式。
引用
@article{arxiv.2403.09806,
title = {xLP: Explainable Link Prediction for Master Data Management},
author = {Balaji Ganesan and Matheen Ahmed Pasha and Srinivasa Parkala and Neeraj R Singh and Gayatri Mishra and Sumit Bhatia and Hima Patel and Somashekar Naganna and Sameep Mehta},
journal= {arXiv preprint arXiv:2403.09806},
year = {2024}
}
备注
8 pages, 4 figures, NeurIPS 2020 Competition and Demonstration Track. arXiv admin note: text overlap with arXiv:2012.05516