机构名称：
¥ 1.0
这项工作探索了学习子模块评分函数的新想法，以提高现有特征归因方法的特异性 / 选择性。子模块分数对于归因来说是自然的，因为它们可以准确地模拟收益递减原则。提出了一种学习深度子模块集函数的新公式，该公式与现有归因方法获得的实值归因图一致。然后将特征的最终归因值定义为在其他高度归因特征的背景下该特征的诱导子模块分数的边际增益，从而减少冗余但具有区分性的特征的归因。在多个数据集上的实验表明，所提出的归因方法具有更高的特异性和良好的判别力。我们方法的实现可在 https://github.com/Piyushi-0/SEA-NN 上公开获得。
通过学习子模函数改进归因方法
主要关键词
相关文件推荐
