CoRIfEE-Rel：一种语义驱动的元XAI方法用于生成语义相关的基于规则解释

《Information》：Enhancing Rule-Based Explanations via Cognitive Bias Towards Semantic Relevance

　　

摘要

随着对可解释人工智能（XAI）的兴趣持续增长，模型生成的解释与人类用户对其可理解性之间仍存在关键差距，尤其是当认知偏差和语义相关性未得到充分解决时。本文提出了一种新颖的以人为中心的元XAI方法——CoRIfEE-Rel，旨在通过生成既可解释又与目标领域概念语义对齐的基于规则的解释来弥合这一差距。CoRIfEE-Rel 综合了多个可解释模型库的输出，并采用了一种知识图谱驱动的启发式方法，该方法将语义相关性与传统规则学习指标相结合。这种方法确保所生成的解释与核心领域概念紧密相关，同时保持人类理解所需的清晰度和结构。在多个数据集上进行的实证评估表明，CoRIfEE-Rel 在语义相关性上优于随机森林和JRip的基于规则的解释，且未明显降低预测准确性。结果突出了CoRIfEE-Rel 能够生成与目标概念语义相关的基于规则的解释，同时保持预测性能的能力。