講演情報
[1K4-GS-3b-05]発見されたルールをノードとした遺伝的ネットワークプログラミングによる解釈可能な予測モデル
〇店網 周平1、嶋田 香1 (1. 群馬大学大学院情報学研究科)
キーワード：
説明可能なAI、ルールベース学習、進化計算、データマイニング
ディープラーニングに代表される高性能な機械学習手法は高い予測精度を達成する一方で，モデル構造が複雑であり，予測結果の根拠を人間が理解しにくいという課題がある。一方，ルールベース手法は判断基準を明示的なルールとして表現でき，高い解釈可能性を有するが，多数のルールを同時に用いる従来手法では，どのルールがどのように適用されたかを把握することが難しい。
本研究では，予測精度を維持しつつ，意思決定過程をルールレベルで追跡可能な解釈可能予測モデルの構築を目的とする。そこで，遺伝的ネットワークプログラミング（GNP）に基づく予測ネットワークを提案する。先行研究の方法により発見された多数のルールをGNPの判定ノードとして配置し，ネットワーク上の遷移により段階的な意思決定を行うことで，ルールの選択，組合せ，接続構造および適用順序を同時に最適化する。さらに，各予測で適用されるルール数を最大3つに制限することで，高い解釈可能性を確保する。一般的な機械学習モデルでは予測が困難な地理音楽データセットを用いた実験により，提案手法が予測精度を維持しつつルールの運用過程を明示できることを示した。
本研究では，予測精度を維持しつつ，意思決定過程をルールレベルで追跡可能な解釈可能予測モデルの構築を目的とする。そこで，遺伝的ネットワークプログラミング（GNP）に基づく予測ネットワークを提案する。先行研究の方法により発見された多数のルールをGNPの判定ノードとして配置し，ネットワーク上の遷移により段階的な意思決定を行うことで，ルールの選択，組合せ，接続構造および適用順序を同時に最適化する。さらに，各予測で適用されるルール数を最大3つに制限することで，高い解釈可能性を確保する。一般的な機械学習モデルでは予測が困難な地理音楽データセットを用いた実験により，提案手法が予測精度を維持しつつルールの運用過程を明示できることを示した。