GRETEL
1.0.0
تعد أنظمة التعلم الآلي (ML) جزءًا أساسيًا من الأدوات الحديثة التي تؤثر على حياتنا اليومية في العديد من مجالات التطبيق. ونظرًا لطبيعة الصندوق الأسود، نادرًا ما يتم اعتماد هذه الأنظمة في مجالات التطبيق (مثل الصحة والتمويل) حيث يكون لفهم عملية اتخاذ القرار أهمية قصوى. تم تطوير طرق الشرح لشرح كيفية اتخاذ نموذج تعلم الآلة قرارًا محددًا لحالة/حالة معينة. تعد تفسيرات الرسم البياني المضادة (GCE) إحدى تقنيات الشرح المعتمدة في مجال تعلم الرسم البياني. تتباين الأعمال الموجودة حول تفسيرات الرسم البياني المضادة للواقع في الغالب في تعريف المشكلة، ومجال التطبيق، وبيانات الاختبار، ومقاييس التقييم، ولا تتم مقارنة معظم الأعمال الحالية بشكل شامل مع تقنيات التفسير المضادة للواقع الأخرى الموجودة في الأدبيات. هنا، قمنا بإصدار GRETEL [1،2]، وهو إطار عمل موحد لتطوير واختبار أساليب الحملة العالمية للتعليم في العديد من الإعدادات. GRETEL [1،2] هو إطار عمل مفتوح المصدر لتقييم طرق شرح الرسم البياني المضاد للواقع. يتم تنفيذه باستخدام النموذج كائني التوجه ونمط تصميم طريقة المصنع. هدفنا الرئيسي هو إنشاء منصة عامة تسمح للباحثين بتسريع عملية تطوير واختبار طرق شرح الرسوم البيانية المضادة للواقع الجديدة. GRETEL هو إطار تقييم قابل للتوسعة للغاية يعزز العلوم المفتوحة وإمكانية تكرار التقييم من خلال توفير مجموعة من الآليات المحددة جيدًا للدمج والإدارة بسهولة: مجموعات البيانات الحقيقية والتركيبية، ونماذج التعلم الآلي، وأحدث تقنيات الشرح وتدابير التقييم.
GRETEL [1، 2] هو إطار عمل مفتوح المصدر لتقييم طرق شرح الرسم البياني المضاد للواقع. يتم تنفيذه باستخدام النموذج الموجه للكائنات ونمط تصميم طريقة المصنع. هدفنا الرئيسي هو إنشاء منصة عامة تسمح للباحثين بتسريع عملية تطوير واختبار طرق شرح الرسوم البيانية المضادة للواقع الجديدة.
راجع ويكي GRETEL
يرجى ذكر أوراقنا إذا كنت تستخدم GRETEL في مشاريعك:
ماريو ألفونسو برادو روميرو وجيوفاني ستيلو. 2022. جريتيل: إطار تقييم شرح الرسم البياني المضاد. في وقائع المؤتمر الدولي الحادي والثلاثين لـ ACM حول إدارة المعلومات والمعرفة (CIKM '22). جمعية آلات الحوسبة، نيويورك، نيويورك، الولايات المتحدة الأمريكية. https://doi.org/10.1145/3511808.3557608
@inproceedings{prado-romero2022gretel,
title={GRETEL: Graph Counterfactual Explanation Evaluation Framework},
author={Prado-Romero, Mario Alfonso and Stilo, Giovanni},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
isbn = {9781450392365},
year={2022},
doi = {10.1145/3511808.3557608},
booktitle={Proceedings of the 31st ACM International Conference on Information and Knowledge Management},
location = {Atlanta, GA, USA},
series = {CIKM '22}
}
ماريو ألفونسو برادو روميرو، بارد برينكاج، وجيوفاني ستيلو. 2023. تطوير وتقييم الرسم البياني المخالف للواقع مع GRETEL. في وقائع المؤتمر الدولي السادس عشر لـ ACM حول البحث على الويب واستخراج البيانات (WSDM '23). جمعية آلات الحوسبة، نيويورك، نيويورك، الولايات المتحدة الأمريكية، 1180-1183. https://doi.org/10.1145/3539597.3573026
@inproceedings{prado-romero2023developing,
author = {Prado-Romero, Mario Alfonso and Prenkaj, Bardh and Stilo, Giovanni},
title = {Developing and Evaluating Graph Counterfactual Explanation with GRETEL},
year = {2023},
isbn = {9781450394079},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
doi = {10.1145/3539597.3573026},
booktitle = {Proceedings of the Sixteenth ACM International Conference on Web Search and Data Mining},
pages = {1180–1183},
location = {Singapore, Singapore},
series = {WSDM '23}
}
ماريو ألفونسو برادو روميرو، وبارد برينكاج، وجيوفاني ستيلو، وفوسكا جيانوتي. 2023. مسح حول التفسيرات المغايرة للواقع: التعاريف والأساليب والتقييم وتحديات البحث. ايه سي ام للحوسبة. Surv. تم قبوله للتو (سبتمبر 2023). https://doi.org/10.1145/3618105
@article{prado-romero2023survey,
author = {Prado-Romero, Mario Alfonso and Prenkaj, Bardh and Stilo, Giovanni and Giannotti, Fosca},
title = {A Survey on Graph Counterfactual Explanations: Definitions, Methods, Evaluation, and Research Challenges},
year = {2023},
publisher = {Association for Computing Machinery},
address = {New York, NY, USA},
issn = {0360-0300},
url = {https://doi.org/10.1145/3618105},
doi = {10.1145/3618105},
journal = {ACM Comput. Surv.},
month = {sep}
}
دورات الشجرة [3]: مجموعة بيانات تركيبية حيث يكون كل مثيل عبارة عن رسم بياني. يمكن أن يكون المثيل عبارة عن شجرة أو شجرة ذات أنماط دورة متعددة متصلة بالرسم البياني الرئيسي بواسطة حافة واحدة
Tree-Infinity : يتبع نهج Tree-Cycles، ولكن بدلاً من الدورات، يوجد شكل لا نهائي.
ASD [4]: اضطراب طيف التوحد (ASD) مأخوذ من تبادل بيانات تخيل الدماغ التوحدي (ABIDE).
اضطراب فرط الحركة ونقص الانتباه [4]: اضطراب فرط الحركة ونقص الانتباه (ADHD)، مأخوذ من قاعدة بيانات الاتصال متعدد الوسائط التابعة لجامعة جنوب كاليفورنيا (USCD).
BBBP [5]: تخلل حاجز الدم في الدماغ هو مجموعة بيانات جزيئية. التنبؤ بما إذا كان الجزيء يمكنه اختراق حاجز الدم في الدماغ.
فيروس نقص المناعة البشرية [5]: عبارة عن مجموعة بيانات جزيئية تصنف المركبات بناءً على قدرتها على تثبيط فيروس نقص المناعة البشرية.
كي إن إن
SVM
جي سي إن
ASD Custom Oracle [4] (قواعد خاصة بمجموعة بيانات ASD)
Oracle Tree-Cycles Custom (يضمن دقة 100% في مجموعة بيانات Tree-Cycles)
بحث DCE : بحث الشرح المتوافق مع التوزيع، والذي يُستخدم بشكل أساسي كخط أساس، لا يقدم أي افتراضات حول مجموعة البيانات الأساسية ويبحث عن مثيل مخالف للواقع فيها.
البحث الغافل ثنائي الاتجاه (OBS) [4]: إنها طريقة شرح إرشادية تستخدم نهجًا مكونًا من مرحلتين.
البحث ثنائي الاتجاه المعتمد على البيانات (DDBS) [4]: يتبع نفس منطق OBS. يتمثل الاختلاف الرئيسي في أن هذه الطريقة تستخدم الاحتمالية (المحسوبة على مجموعة البيانات الأصلية) لكل حافة لتظهر في رسم بياني لفئة معينة لدفع عملية البحث المغايرة للواقع.
MACCS [5]: تم تصميم المركبات المضادة للواقع النموذجية مع STONED (MACCS) خصيصًا للعمل مع الجزيئات.
MEG [6]: مولد الشرح الجزيئي هو عبارة عن شرح قائم على RL للرسوم البيانية الجزيئية.
CFF [7] هي طريقة قائمة على التعلم تستخدم المنطق المضاد والواقعي في عملية توليد قناع الاضطراب.
CLEAR [8] هي طريقة شرح قائمة على التعلم توفر تفسيرات توليدية مضادة للواقع على الرسوم البيانية.
يعد CounterGAN [9] بمثابة نقل لطريقة شرح الصور المستندة إلى GAN
برادو روميرو، ماساتشوستس وستيلو، ج.، 2022، أكتوبر. جريتيل: رسم إطار تقييم التفسير المخالف للواقع. في وقائع المؤتمر الدولي الحادي والثلاثين ACM حول إدارة المعلومات والمعرفة (ص 4389-4393).
برادو-روميرو، إم إيه، برينكاج، بي. وستيلو، جي، 2023، فبراير. تطوير وتقييم الرسم البياني المخالف للواقع مع GRETEL. في وقائع المؤتمر الدولي السادس عشر ACM حول البحث على شبكة الإنترنت واستخراج البيانات (الصفحات 1180-1183).
زيتاو ينغ، ديلان بورجوا، جياكسوان يو، مارينكا زيتنيك، وجوري ليسكوفيك. 2019. Gnneexplainer: توليد تفسيرات للشبكات العصبية الرسومية. التقدم في أنظمة معالجة المعلومات العصبية 32 (2019)
كارلو أبراتي وفرانشيسكو بونشي. 2021. الرسوم البيانية المضادة للتصنيف القابل للتفسير لشبكات الدماغ. في وقائع مؤتمر ACM SIGKDD السابع والعشرين حول اكتشاف المعرفة واستخراج البيانات. 2495-2504
جيمي بي ويلاوات، وأديتي سيشادري، وأندرو دي وايت. 2022. نموذج الجيل اللاأدري للتفسيرات المضادة للجزيئات. العلوم الكيميائية 13، 13 (2022)، 3697-370
نوميروسو، د. وباتشيو، د.، 2021، يوليو. ميج: توليد تفسيرات جزيئية مضادة لشبكات الرسم البياني العميق. في عام 2021 المؤتمر الدولي المشترك حول الشبكات العصبية (IJCNN) (الصفحات 1-8). IEEE.
Tan، J.، Geng، S.، Fu، Z.، Ge، Y.، Xu، S.، Li، Y. and Zhang، Y.، 2022، April. تعلم وتقييم تفسيرات الشبكة العصبية الرسومية بناءً على المنطق المضاد والواقعي. في وقائع مؤتمر الويب ACM 2022 (الصفحات 1018-1027).
Ma, J., Guo, R., Mishra, S., Zhang, A. and Li, J., 2022. واضح: تفسيرات توليدية مضادة للرسوم البيانية. التقدم في أنظمة معالجة المعلومات العصبية، 35، الصفحات من 25895 إلى 25907.
Nemirovsky, D., Thiebaut, N., Xu, Y. and Gupta, A., 2022, أغسطس. CounterRGAN: إنشاء حقائق مضادة للجوء في الوقت الفعلي وإمكانية التفسير باستخدام شبكات GAN المتبقية. في عدم اليقين في الذكاء الاصطناعي (ص 1488-1497). PMLR.
