XAM让作者归属模型的决策过程可交互探索，支持多粒度风格特征解释。
XAM: Interactive Explainability for Authorship Attribution Models
- 基于嵌入空间的交互式探索，支持用户动态分析模型决策
- 能生成多层级写作风格特征作为预测解释，灵活适配不同需求
- 相比固定风格解释更直观有效，适合需要透明化模型决策的研究者
我们提出IXAM，一种用于作者归属（AA）模型的交互式可解释性框架。给定一个作者归属任务和基于嵌入的AA模型，该工具使用户能够交互式地探索模型的嵌入空间，并构建一套多层次粒度的写作风格特征，用以解释模型的预测结果。通过用户评估，我们证明了该框架相比预定义的风格解释更具价值。
原文摘要 · Abstract (English)
We present IXAM, an Interactive eXplainability framework for Authorship Attribution Models. Given an authorship attribution (AA) task and an embedding-based AA model, our tool enables users to interactively explore the model's embedding space and construct an explanation of the model's prediction as a set of writing style features at different levels of granularity. Through a user evaluation, we demonstrate the value of our framework compared to predefined stylistic explanations.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。