TIGTEC：Token 重要性引导的文本反事实解释
TIGTEC : Token Importance Guided TExt Counterfactuals
AI总结：
本文提出 TIGTEC，利用基于注意力的局部特征重要性编辑高贡献词，并结合语义距离代价函数与束搜索，为文本分类生成稀疏、合理且多样的反事实解释。
摘要：
反事实示例通过突出显示可改变分类器结果的实例变化来解释预测。本文提出 TIGTEC，这是一种高效且模块化的方法，用于为文本数据生成稀疏、合理且多样的反事实解释。TIGTEC 是一种文本编辑启发式方法，利用局部特征重要性定位并修改具有高贡献度的词。本文提出了一种新的基于注意力的局部特征重要性。该方法生成反事实候选，并通过融合语义距离的代价函数进行评估，同时以束搜索方式高效探索解空间。所开展的实验表明，TIGTEC 在成功率、稀疏性、多样性和合理性方面具有相关性。该方法既可以模型特定方式使用，也可以模型无关方式使用，这使其非常便于生成反事实解释。
英文摘要：
Counterfactual examples explain a prediction by highlighting changes of instance that flip the outcome of a classifier. This paper proposes TIGTEC, an efficient and modular method for generating sparse, plausible and diverse counterfactual explanations for textual data. TIGTEC is a text editing heuristic that targets and modifies words with high contribution using local feature importance. A new attention-based local feature importance is proposed. Counterfactual candidates are generated and assessed with a cost function integrating semantic distance, while the solution space is efficiently explored in a beam search fashion. The conducted experiments show the relevance of TIGTEC in terms of success rate, sparsity, diversity and plausibility. This method can be used in both model-specific or model-agnostic way, which makes it very convenient for generating counterfactual explanations.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
