机构名称：
¥ 2.0
人工智能应用逐渐走出研究实验室的安全墙，侵入我们的日常生活。知识图谱上的机器学习方法也是如此，自 21 世纪初以来，其应用稳步增长。但是，在许多应用中，用户需要对 AI 的决策进行解释。这导致对可理解人工智能的需求增加。知识图谱是可理解人工智能的沃土的缩影，因为它们能够以人类和机器可读的方式显示连接数据（即知识）。本调查简要介绍了知识图谱上的可理解人工智能的历史。此外，我们认为可解释人工智能的概念过于繁重，与可解释机器学习重叠。通过引入父概念“可理解的人工智能”，我们在解释这两个概念的相似性的同时，对它们进行了明确区分。因此，我们在本调查中为知识图谱上的可理解人工智能提供了一个案例，包括可解释的机器学习和知识图谱上的可解释人工智能。这导致引入了一种新的知识图谱上的可理解人工智能分类法。此外，我们还对该研究领域的研究进行了全面概述，并将其置于分类法的背景下。最后，确定了该领域的研究空白，以供未来研究。
知识图谱上的可理解人工智能
主要关键词
相关文件推荐
