Che cosa viene dopo e perché: previsione interpretabile dell’evento successivo con regole neurosimboliche

Abstract degli autori

Nelle applicazioni reali, saper spiegare perché si formula una previsione è spesso importante quanto, se non più, ottenere un’elevata accuratezza. I metodi esistenti per prevedere eventi in sequenza, tuttavia, tendono a privilegiare l’accuratezza a scapito dell’interpretabilità. Gli approcci neurosimbolici offrono una strada promettente per migliorare l’interpretabilità attraverso l’apprendimento di regole simboliche, ma estenderli alla previsione dell’evento successivo è difficile per la presenza di dipendenze temporali. Presentiamo RULES, un modello neurosimbolico che apprende regole sequenziali direttamente dai dati, e lo combiniamo con una rete residua per formare RUNES (Rule Network for Event Sequences). RULES ricostruisce accuratamente le regole di riferimento a partire da dati sintetici e individua insiemi di regole compatti e interpretabili nei dati reali. RUNES combina queste regole in modo additivo con una rete residua, raggiungendo un’accuratezza competitiva e consentendo al tempo stesso di vedere chiaramente quali regole sono attive e come i residui modificano le previsioni.