知識推理領域,事前可解釋模型主要圍繞規則、本體以及路徑等易于
- 作者： 小象 發布時間：2024-01-13 18:20:55
- 摘要
總體來說,盡管可解釋知識推理的研究已經取得了一系列研究成果,但是其研究整體還處于起步階段,依然面臨諸多挑戰.其中,可解釋推理主要面臨事前可解釋模型推理性能低下,與應用領域強綁定;事后解釋方法無法反映模型真實行為、適用范圍受限;缺乏統一的評測體系3大挑戰.下面,本文針對上述挑戰進行簡單介紹并對未來的發展方向進行展望.
總體來說,盡管可解釋知識推理的研究已經取得了一系列研究成果,但是其研究整體還處于起步階段,依然面臨諸多挑戰.其中,可解釋推理主要面臨事前可解釋模型推理性能低下,與應用領域強綁定;事后解釋方法無法反映模型真實行為、適用范圍受限;缺乏統一的評測體系3大挑戰.下面,本文針對上述挑戰進行簡單介紹并對未來的發展方向進行展望.
對于同一個任務/場景,可以應用不同的推理方法,除了推理任務本身的精準度之外,如何去衡量這些方法在可解釋性上的優劣是亟需解決的一個問題.當前,解釋方法的評估沒有一個明確的指標,只能對解釋方法進行定性分析,無法對同類型的研究工作進行嚴格的、確定性的分析與比較[34].針對事前可解釋的推理模型而言,其評估挑戰在于如何量化模型內在的解釋能力;對于事后可解釋的推理模型而言,首先需要明確要評估的指標,進而從指標入手,建立評估方法.
尤其做零售、批發'>批發等商品銷售的企業更是不能忽略第35類商標的注冊。簡單地說，就是一個產品，需要在市面上進行推廣銷售，就需要在這個類別先注冊一個商標！當然，只是在產品上面注冊這個商標，沒有在第35類注冊，也是可以銷售的；只是，如果以后有他人搶先將產品商標在第35類注冊成商標，然后用商標名字開店，銷售其他家同類型產品，那就很容易造成公眾混淆，帶來極壞的品牌影響。
隨著深度學習的發展,知識推理方法的模型結構越來越復雜,僅僅一個網絡就可能包含幾百個神經元、百萬個參數.盡管這些推理模型在速度、穩定性、可移植性、準確性等諸多方面優于人類,但由于用戶無法對這類模型里的參數、結構、特征產生直觀理解,對于模型的決策過程和模型的推理依據知之甚少,對于模型的決策過程知之甚少,不知道它何時會出現錯誤,在風險敏感的領域中,用戶仍然無法信任模型的預測結果.因此,為了建立用戶和推理模型之間的信任,平衡模型準確率和可解釋性之間的矛盾,可解釋性知識推理在近幾年的科研會議上成為關注熱點.
不可否認,在利用圖神經網絡解決知識推理任務時,注意力機制發揮了巨大的作用,并可以在一定程度上對GNN進行解釋,但是節點的1-hop鄰居和2-hop鄰居可能存在重疊,注意力機制會對同一節點學習到不同的權重,如何去做出正確的抉擇是一個需要解決的問題.其次,注意力機制的計算通常會利用簡單的神經網絡進行計算,譬如前向神經網絡,這使得注意力模型會增加模型整體的計算復雜度.
通過前文的敘述，開篇的問題自然也有了答案。第35類服務商標并非是“萬能商標”，其需要嚴格遵循商標使用和保護的規則，并不是獲得注冊就可以一勞永逸。如果經營者僅對商品商標進行了使用，并不提供第35類上的服務，那么所注冊的第35類商標則會面臨被撤銷的風險。從第35類服務的性質出發，其實對于不少企業來說并非具有客觀的必要性。但是，如果從商標的防御性保護和風險規避的角度出發，如果企業希望建立比較完善的商標保護機制和品牌保護計劃，避免其商品類商標以后被他人在第35類搶注或者侵權的麻煩，那么在第35類進行防御性注冊就具有十分的必要性了。
跨省市救護車租賃服務公司,為您服務車型全,車輛多.客戶的出租跨省轉院救護車,租用長途急救車,租賃跨省轉院救治車,市內救援車租用,急救醫療護送車租用等需求就是我司努力的目標,救護車出租包含急救,救援和護送快速反應,使命必達,開通吉林獨立預約專線,隨時溝通.
近年來,可解釋推理引發了廣泛關注,為此,我們對以上幾種方法做了簡單總結,并且比較了它們的優點和缺點,具體如表2所示.
事前解釋模型是指模型本身內置可解釋性,或者將可解釋的模塊整合到自身架構中的模型[33,34].對于一個訓練好的學習模型,無需額外的信息就可以理解模型的決策過程或決策依據[32,33].在知識推理領域,事前可解釋模型主要圍繞規則、本體以及路徑等易于理解的特征展開.下面,本文根據可解釋的范圍大小,將事前可解釋的推理劃分為全局可解釋和局部可解釋兩大類.
