To Classify is to Interpret: Building Taxonomies from Heterogeneous Data through Human-AI Collaboration

要約

分類法の構築は、特定の参照フレーム内でデータを解釈して分類する必要があるタスクであり、知識と情報の組織化を扱う多くのアプリケーション分野で活躍します。
このペーパーでは、機械学習 (ML) を統合したシステムで分類法の構築をどのようにサポートできるかを検討します。
ただし、分類法の構築を自動化するためにブラックボックス化された ML ベースのシステムのみに依存すると、ユーザーの専門知識が無視されてしまいます。
私たちは、ユーザーがセンスメイキングプロセスの一環として複数のモデルの出力を繰り返し考慮できるようにするアプローチを提案します。
私たちは、実際の 2 つのユースケースにアプローチを実装しました。
この研究は、人間と AI のコラボレーションの実現に重点を置いた ML ベースのシステムの設計を調査する HCI 研究の文脈に位置付けられています。

要約(オリジナル)

Taxonomy building is a task that requires interpreting and classifying data within a given frame of reference, which comes to play in many areas of application that deal with knowledge and information organization. In this paper, we explore how taxonomy building can be supported with systems that integrate machine learning (ML). However, relying only on black-boxed ML-based systems to automate taxonomy building would sideline the users’ expertise. We propose an approach that allows the user to iteratively take into account multiple model’s outputs as part of their sensemaking process. We implemented our approach in two real-world use cases. The work is positioned in the context of HCI research that investigates the design of ML-based systems with an emphasis on enabling human-AI collaboration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google