抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
予測ビジネスプロセスモニタリングは,洗練された予測モデルをますます利用している。洗練されたモデルは単純なモデルよりも一貫して高い予測精度を達成するが,一つの主要な欠点は解釈可能性の欠如であり,実際にそれらの採用を制限する。したがって,予測可能な予測ビジネスプロセスモニタリングにおける興味が高まり,予測モデルの可読性を高めることを目指した。既存の解決策は,実際の説明を与えることに焦点を合わせる。事実説明は有用であるが,人間は,特定の予測がなされたが,むしろ,他の予測,すなわち,人間が対物的説明に興味を引くという理由で,なぜならそうではないかを知らない。説明可能なAIにおける研究は,逆説的説明を生成するいくつかの有望な技術を生成したが,予測プロセスモニタリングに直接適用することは,それらが基本的なプロセス制約を無視するので,非現実的な説明を提供するかもしれない。最近の説明可能なAI技法であるLOREを拡張する予測プロセス監視のための対抗的説明技術であるLORELEYを提案した。現実的な対抗的説明を確保するために,説明生成プロセスに制御フロー制約を課した。さらに,LOREを拡張し,マルチクラス分類モデルを説明した。実際の公開データセットを用いた実験結果は,LORELEYが平均忠実度97.69%で予測モデルを近似でき,現実的な逆説的説明を生成することを示した。【JST・京大機械翻訳】