AI Researcher가 될끄야!/XAI(설명가능한 AI)4 [논문 리뷰] Dialog Inpainting: Turning Documents into Dialogs 안녕하세요😚 오늘의 논문리뷰는 ACL 2020에 공개된 "Dialog Inpainting: Turning Documents into Dialogs" 논문입니다. 💌 논문 링크 : https://arxiv.org/abs/2205.09073 💚Overview 본 논문에서 가장 크게 지적하는 것은 대화형 QA TASK를 구축하기는 매우 힘들다는 점입니다. 이러한 데이터를 구축하기 위해서는 전문 온라인 포럼에서 데이터를 긁어 올 수 있는데 이는 개인적인 의견이나 주관적인 의견이 많고, 전문가가 제작할 경우 질은 높지만 굉장히 노력과 비용이 많이 들어간다는 문제점이 있습니다. 하지만 전문가들이 작성한 높은 퀄의 문서들은 위키피디아 같은 곳에 있고 독자가 궁금해 하는 사항을 기반으로 내용을 잘 작성해 놨습니다. 따.. 2022. 8. 2. [논문 리뷰] ProtGNN: Towards Self-Explaining Graph Neural Networks 안녕하세요😚 오늘의 논문리뷰는 ACL 2020에 공개된 "ProtGNN: Towards Self-Explaining Graph Neural Networks" 논문입니다. 💌 논문 링크 : https://arxiv.org/abs/2112.00911 💚Overview 기존의 존재하는 많은 explanation method는 post-hoc 방식에 치우쳐 있습니다. 따라서 다른 모델이 설명을 제공하기 위해 별도로 GNN을 학습해야 합니다. 하지만 이러한 방식들은 오리지널 모델의 Reasoning process를 보이는데 실패하는 경우가 많습니다. 따라서 본 논문에서는 프로토타입 러닝 방식을 적용한 Prototype Graph Neural Network를 공개했습니다. 해석 가능성을 오리지널 모델에 Built .. 2022. 7. 15. [논문 리뷰] Fine-grained Fact Verification with Kernel Graph Attention Network 안녕하세요😚 오늘의 논문리뷰는 ACL 2020에 공개된 "Fine-grained Fact Verification with Kernel Graph Attention Network" 논문입니다. 💌 논문 링크 : https://arxiv.org/abs/1910.09796arxiv.org/abs/2112.10424 Unifying Model Explainability and Robustness for Joint Text Classification and Rationale Extraction Recent works have shown explainability and robustness are two crucial ingredients of trustworthy and reliable text classific.. 2022. 7. 14. [논문 리뷰] Unifying Model Explainability and Robustness forJoint Text Classification and Rationale Extraction 안녕하세요😚 오늘의 논문리뷰는 AAAI 2022에 공개된 "Unifying Model Explainability and Robustness forJoint Text Classification and Rationale Extraction" 논문입니다. 💌 논문 링크 : https://arxiv.org/abs/2112.10424 💚Overview 간단하게 정리하자면 해결해야 하는 문제는 모델의 설명성을 위해 어떻게 적절한 판단근거를 추출할지, 다양한 adversarial attack에 모델은 정확한 예측을 할것인지 입니다. 여기서의 adversarial의 예는 이후에 보여드리도록하겠습니다. 그래서 본 논문에서는 바운더리 매칭 조건을 만들어 보다 정확한 판단근거를 인풋으로 부터 추출하고 두가지 방식이 합쳐진 .. 2022. 5. 10. 이전 1 다음
