A Hierarchical Approach to Interpretability of TS Rule-Based Models
Notice bibliographique
Résumé
Interpretability of fuzzy rule-based models has always been of significant interest to the research community and the research in this area led to a number of far-reaching results. In this study, we briefly revisit the methodology and concepts of interpretability of Takagi–Sugeno (T-S) rule-based models and develop a conceptual framework involving several levels at which rules are interpreted. The layers at which interpretability is positioned are structured hierarchically by starting with the initial fuzzy set level (originating from the design of the rules), moving to information granules of finite support (where interval calculus is engaged) and finally ending up with symbols built at the higher level. As T-S rule-based models are endowed with local functions forming the conclusion parts of the rules, with the use of the principle of justifiable granularity, we develop a way of forming an interpretable conclusion in the form of information granule. To facilitate interpretability of conditions of the rules, multidimensional fuzzy sets (coming as a result of clustering) are decomposed into a Cartesian product of 1-D fuzzy sets and the quality of the resulting decomposition is evaluated. The quality of granular rules is assessed by analyzing the relationship between specificity of condition and conclusion information granules. The rules emerging at the level of symbols are further interpreted by engaging linguistic approximation, which helps approximate a collection of linguistic terms of subconditions producing a linguistic summarization in the formτ(inputs areA) consisting of a certain linguistic quantifierτ. The performance of summarization is provided in the form of ranking of the relevance of the rules. Experimental studies using publicly available data are completed and analyzed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».