带有正则化对比学习的时间序列归因图

本研究针对深度学习模型归因方法缺乏可识别性保障的问题，提出了一种新的方法xCEBRA，通过对时间序列数据的正则化对比学习算法和一种新的归因方法（反向神经梯度）相结合来生成可识别的归因图。研究表明，xCEBRA不仅在合成数据集上实现了归因图真值相较于零和非零条目的稳健近似，还显著提升了先前基于特征消融、Shapley值和其他基于梯度的方法的归因效果，开启了理解时间序列数据的新方向。