On Interpretability of Linear Autoencoders

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F24%3A10494534" target="_blank" >RIV/00216208:11320/24:10494534 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21340/24:00381456

Výsledek na webu

<a href="https://doi.org/10.1145/3640457.3688179" target="_blank" >https://doi.org/10.1145/3640457.3688179</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1145/3640457.3688179" target="_blank" >10.1145/3640457.3688179</a>

Jazyk výsledku

angličtina

Název v původním jazyce

On Interpretability of Linear Autoencoders

Popis výsledku v původním jazyce

We derive a novel graph-based interpretation of linear autoencoder models easer, slim, and their approximate variants. Contrary to popular belief, we reveal that the weights of these models should not be interpreted as dichotomic item similarity but merely as its magnitude. Consequently, we propose a simple modification that considerably improves retrieval ability in sparse domains and yields interpretable inference with negative inputs, as demonstrated by both offline and online experiments. Experiment codes and extended results are available at https://osf.io/bjmuv/.

Název v anglickém jazyce

On Interpretability of Linear Autoencoders

Popis výsledku anglicky

We derive a novel graph-based interpretation of linear autoencoder models easer, slim, and their approximate variants. Contrary to popular belief, we reveal that the weights of these models should not be interpreted as dichotomic item similarity but merely as its magnitude. Consequently, we propose a simple modification that considerably improves retrieval ability in sparse domains and yields interpretable inference with negative inputs, as demonstrated by both offline and online experiments. Experiment codes and extended results are available at https://osf.io/bjmuv/.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/GA22-21696S" target="_blank" >GA22-21696S: Hluboké vizuální reprezentace nestrukturovaných dat</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

PROCEEDINGS OF THE EIGHTEENTH ACM CONFERENCE ON RECOMMENDER SYSTEMS, RECSYS 2024

ISBN

979-8-4007-0505-2

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

975-980

Název nakladatele

ASSOC COMPUTING MACHINERY

Místo vydání

NEW YORK

Místo konání akce

Bari

Datum konání akce

14. 10. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001336908500129