特徴量埋め込みの類似性を考慮したベイズ実験計画法に基づくシャープレイ値推定法（MIRU2026） 特徴量埋め込みの類似性を考慮したベイズ実験計画法に基づくシャープレイ値推定法（MIRU2026）

吉川 友也, 岩田 具治（NTT）

概要

シャープレイ値はモデルが行った予測への各特徴量の寄与を表すが、その推定は特徴量部分集合に対する多数のモデルの評価を要し、計算コストが高い。
この課題に対して、ShaplEIGはガウス過程に基づくベイズ実験計画法により、限られた評価回数で有益な特徴量部分集合を逐次的に選び、効率的に推定する。
しかし、ShaplEIGが効率的計算のために使用するハミングカーネルは、各特徴量を独立に扱うため特徴量間の類似性を考慮できない。
本稿では、特徴量の埋め込みベクトルから誘導したカーネルをランダムフーリエ特徴で構成し、ShaplEIGの多項式時間の計算量を維持しつつ、特徴量間の類似性を取り込む手法を提案する。
実験では、Vision Transformer画像分類モデルに対するパッチ単位のシャープレイ値推定タスクにおいて、提案法がShaplEIGより優れていることを示す。