INSIGHTS: 基于示范的时间序列预测摘要

arXiv:2605.18849v1 公告类型：新 摘要：可解释性方法发展迅速，但时间序列模型的全局解释仍不完善，大多数方法侧重于局部、实例级别的归因。我们提出了INSIGHTS，一种模型无关、以用户为中心的全局解释方法，用于时间序列模型。我们的方法在设计上优先考虑简单性、效率和透明度，确保利益相关者能够轻松采用其输出。虽然当前方法侧重于局部解释，但INSIGHTS生成样本摘要，提供模型行为的全面概述。它平衡时间序列样本的重要性和多样性，通过使用捕捉时间序列行为特定领域方面（如超出领域规范）的效用函数来创建信息子集。我们通过实验、访谈和用户研究评估INSIGHTS。结果表明，INSIGHTS能够有效构建全面、多样化的时间序列子集，生成适合个人评估的摘要。领域专家更偏好它，因为它能提供对模型行为的稳定理解以及所识别样本的质量。此外，接受INSIGHTS摘要的用户研究参与者对模型整体行为的理解有所增强。