面向深度学习的可学习与可解释数据Shapley估值模型研究

针对传统数据Shapley值计算复杂度高、知识不可复用及结果不可解释的难题，研究人员提出基于神经回归树（DNRT）的可学习估值框架，实现高效、可迁移的样本价值量化，并通过特征离散化生成解释性规则。该成果发表于《Knowledge-Based Systems》，为深度学习数据估值提供了新范式。

　　

在数据驱动的深度学习时代，如何量化单个样本对模型训练的贡献价值，一直是学术界和工业界的核心挑战。传统基于博弈论的Shapley值虽具理论优势，但其计算需遍历大量数据子集，存在NP-hard复杂度问题，且无法解释"为什么某个样本价值高/低"。更棘手的是，现有方法如AME（Average Marginal Effect）缺乏知识迁移能力，每项任务需从头计算，极大限制了实际应用。

针对上述痛点，中国的研究团队创新性地提出"可学习与可解释的数据Shapley估值框架"。该研究首次将神经回归树（DNRT）引入估值领域，通过特征离散化技术构建兼具预测精度和解释性的估值模型。DNRT不仅能直接映射样本特征到Shapley值，还通过树结构生成可解释规则，例如揭示"某类图像边缘特征与高估值显著相关"。实验表明，该方法在CIFAR等基准数据集上较AME-LASSO提升20%效率，且跨任务迁移时保持85%以上的准确率。

关键技术包括：1）设计离散化神经回归树（DNRT）作为核心架构，优化特征分割与权重学习；2）构建包含样本梯度、损失等12类深度特征的训练集；3）采用两阶段训练策略，先通过AME生成伪标签再微调DNRT。

研究结果部分：
数据估值：通过对比实验验证DNRT在Shapley值估计中误差率低于传统方法1.8个百分比。
可解释性分析：DNRT生成的决策路径显示，高价值样本普遍具有"低训练损失但高梯度方差"特征。
迁移学习：在医学影像迁移任务中，预训练DNRT仅需10%新数据微调即可达到原生模型95%的估值准确度。

结论指出，该研究开创了数据Shapley值的模型化学习路径，其意义在于：1）首次实现"训练一次，多次复用"的估值范式；2）通过解释规则辅助数据清洗，实验证明可提升模型训练效率30%；3）为构建跨领域大型估值模型奠定基础。论文通讯作者Ou Wu强调，该方法特别适用于医疗影像等数据异构性强的领域，未来可扩展至联邦学习场景。