Core Concepts
지식 그래프를 활용하여 개념 데이터를 효과적으로 정의하고 검색할 수 있으며, 이를 통해 개념 활성화 벡터와 영역 기반 설명의 정확성과 강건성을 높일 수 있다.
Abstract
이 논문은 개념 기반 설명가능 AI를 위해 지식 그래프를 활용하는 방법을 제안한다.
먼저 WordNet, Wikidata, ConceptNet 등의 지식 그래프를 활용하여 개념을 대화형으로 정의하고 관련 데이터를 자동으로 검색하는 워크플로를 소개한다. 이를 통해 기존 데이터셋의 한계를 극복하고 사용자의 의도에 맞는 개념 데이터를 구축할 수 있다.
다음으로 이렇게 구축된 개념 데이터를 활용하여 개념 활성화 벡터(CAV)와 개념 활성화 영역(CAR)을 학습하고 평가한다. 실험 결과, 지식 그래프 기반 개념 데이터를 활용한 CAV와 CAR가 기존 데이터셋 대비 정확도가 높고 강건한 것으로 나타났다.
또한 모델의 내부 표현이 사람의 지식 구조와 잘 정렬되어 있음을 확인하였다. 이는 개념 기반 설명의 신뢰성과 사용자 이해도를 높일 수 있음을 시사한다.
전반적으로 이 연구는 지식 그래프를 활용하여 개념 기반 설명가능성을 향상시킬 수 있는 새로운 접근법을 제시한다.
Stats
위키미디어 이미지 데이터셋의 자전거 클래스에는 3,918개의 이미지가 포함되어 있으며, 이는 Pascal VOC 데이터셋의 552개 이미지보다 많다.
스포츠 개념과 관련된 위키미디어 이미지는 22,558개, 문장은 609,456개이다.
과일 개념과 관련된 위키미디어 이미지는 1,818개, 문장은 2,266개이다.
자동차 개념과 관련된 위키미디어 이미지는 29,653개, 문장은 57,504개이다.