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、説明可能なAIは最も重要な懸念事項の1つです。
人工知能と自然言語処理の精度は、機械学習が追加されると急速に向上します。
XLSCOUTはNLPに基づく高度なアルゴリズムを実装し、結果の精度と関連性を高めました。ここにそれについての簡単な概要があります。
カスタムトレーニング
特定の技術に言及することなく、バルク技術データ(汎用技術データ)を使用してXLSCOUTコーパスをトレーニングしてきました。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コーパスは、より焦点を絞った正確なものにするために、顧客の関心の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して機械学習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。
