用于用户可理解的可解释学习模型的方法、系统和设备

摘要

用于构建可解释用户输出的方法、系统和设备，通过原始分类器的多层神经网络接收输入特征数据；确定语义函数以用语义类别标记数据样本；确定神经网络内原始分类器的每一层的语义准确率；根据语义准确率比较的结果对每一层进行比较；根据一定量的计算出的语义准确率指定层；通过类别分支将指定层扩展到神经网络，以从语义内容提取语义数据样本，以训练可解释分类器的新连接集，以针对多个语义类别中的每个语义类别的与每个输出解释相关的准确率度量计算输出解释集，并比较每个输出解释的准确率度量，以生成用户可理解格式的输出解释。