A model-agnostic, network theory-based framework for supporting XAI on classifiers​

Rendere trasparenti le decisioni dei modelli di intelligenza artificiale, noti per la loro complessità, è fondamentale per comprenderne il funzionamento interno.
L’articolo che vi proponiamo questa settimana propone, attraverso l’uso della teoria delle complex network, un nuovo framework, agnostico rispetto ai modelli utilizzati. Esso si avvale della nozione di “dyscrasia” per analizzare l’efficacia e influenza delle feature di un dataset durante il processo di classificazione, contribuendo a spiegare le dinamiche dietro modelli black-box.

L’articolo è disponibile qui: 10.1016/j.eswa.2023.122588