あなたの仕事が説明可能性と、特許/技術/記事の評価中に結果が考慮された理由と考慮されなかった理由の検証に依存する場合、説明可能性は最も重要な懸念事項の1つです。
利用可能なデータベースや分析ツールはたくさんありますが、人工知能の説明可能性は最も重要な側面です。
XLSCOUTは説明可能性の問題をどのように解決しましたか?
XLSCOUTコーパスは、この技術の大規模な語彙データベースです。名詞、動詞、形容詞、副詞は、認知的同義語のセットにグループ化され、それぞれが別個の概念を表します。認知的同義語は、概念的意味論的および語彙的関係によって相互にリンクされています。意味のある関連語や概念の結果得られるネットワークは、XLSCOUTコーパスウェブリンクを使用して取得することができます。XLSCOUTコーパス構造は、計算言語学と自然言語処理のための有用なツールになります。
XLSCOUTコーパスは、意味に基づいて単語をグループ化するという点で、表面的にはシソーラスに似ています。ただし、いくつかの重要な違いがあります。
まず、XLSCOUTコーパスは、単語の形(文字の文字列)だけでなく、単語の特定の感覚を相互にリンクします。その結果、ネットワーク内で互いに近接して見つかった単語は、意味的に曖昧さが解消されます。
第二に、XLSCOUTコーパスは単語間の意味関係にラベルを付けますが、シソーラス内の単語のグループ化は、意味の類似性以外の明示的なパターンに従っていません。
カスタムトレーニングオプション
XLSCOUTコーパスは、特定の技術への参照なしに、バルク技術データ(汎用技術データ)で訓練されています。システムがシノニムを予測すると、顧客が圧倒的な情報として見つける可能性のあるすべてのシノニムとリレーションが予測されます。
XLSCOUTコーパスをより集中的かつ正確にするために、顧客の関心技術バイアスを提供することにより、MLモデルをカスタムトレーニングするオプションを提供します。これは、関心のある特定のテクノロジに関する ML モデルの学習を垂直化するのに役立ちます。次に、システムは正確な相互関係とより焦点を絞った同義語を提供します。
例えば
使用例
説明可能な分類法 (コーパス支援)
コーパスは、クラスターへのテクノロジの分解のための包括的な分類法の作成を支援します。
説明可能な分類
コーパスに裏打ちされたルールベースの分類と、専門家が検証したデータに関するトレーニングの可能性。
ノベルティ検索と無効化検索でのコンテキストキャプチャ
より良い先行技術検索を実行するために、より良いセマンティックバリエーションをキャプチャします。
結論
手動ブール検索 – 従来のデータベースはルールベースのエンジンにすぎなかったため、従来のアプローチは広く受け入れられています。AI技術の急速な発展に伴い、テキスト文書を比較、分類、要約するためのNLPおよびMLアルゴリズムが数多く見受けられました。
しかし、専門家は「AIに自分の仕事を賭けているのなら、説明できる方が良い」と感じています。
XLSCOUTコーパスは、AIをより説明しやすくするために前進したステップであり、NLP強化ランドスケープ、Techscaper、カンパニーエクスプローラーなど、プラットフォーム上でさまざまなR&DおよびIP支援アプリを開発するために、複数のNLPおよびMLテクノロジーレイヤーと組み合わせたコアテクノロジーの1つです。当社のR&Dチームは、XLSCOUTコーパスが望ましい出力を達成できるソリューションを見つけるために深く掘り下げ、さらに顧客の生活を容易にするためにはるかに説明可能です。
