Explaining Bayesian Networks in Natural Language using Factor Arguments. Evaluation in the medical domain

要約

この論文では、因子引数の観点からベイジアン ネットワーク推論の自然言語説明を構築するためのモデルを提案します。因子引数は、観察された証拠を学習したいターゲット変数に関連付け、流れる証拠の議論グラフです。
因子引数の独立性の概念を導入して、いつ引数を一緒に提示すべきか個別に提示すべきかを定義するという未解決の問題に対処し、証拠ノードとターゲット ノードから開始して、それらの順序に従ってすべての独立した因子引数のリストを生成するアルゴリズムを提示します。
強さ。
最後に、このアプローチを使用してベイズ推論の自然言語説明を構築するスキームを実装しました。
私たちの提案は、因子引数を使用して得られたベイジアン ネットワーク推論の説明を別の説明方法と比較する人間主導の評価研究を通じて、医療分野で検証されています。
評価結果は、私たちが提案する説明アプローチは、他の既存の説明方法と比較して、ベイジアン ネットワーク推論を理解するのに大幅に役立つとユーザーにみなされていることを示しています。

要約(オリジナル)

In this paper, we propose a model for building natural language explanations for Bayesian Network Reasoning in terms of factor arguments, which are argumentation graphs of flowing evidence, relating the observed evidence to a target variable we want to learn about. We introduce the notion of factor argument independence to address the outstanding question of defining when arguments should be presented jointly or separately and present an algorithm that, starting from the evidence nodes and a target node, produces a list of all independent factor arguments ordered by their strength. Finally, we implemented a scheme to build natural language explanations of Bayesian Reasoning using this approach. Our proposal has been validated in the medical domain through a human-driven evaluation study where we compare the Bayesian Network Reasoning explanations obtained using factor arguments with an alternative explanation method. Evaluation results indicate that our proposed explanation approach is deemed by users as significantly more useful for understanding Bayesian Network Reasoning than another existing explanation method it is compared to.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google