[控场AI]
模型DiSARM 框架

DiSARM

一种混合框架,将大语言模型嵌入关联规则挖掘流程,用于评估规则的主观有趣性(surprise),同时保留统计可靠性约束并促进结果多样性。

时间轴 (近 90 天)

11月10日

论文提出混合框架 DiSARM,用大语言模型(LLM)的世界知识评判关联规则的主观有趣性,同时兼顾统计可靠性与结果多样性。

待验证50%
11月10日

DiSARM 的设计思路是让 LLM 负责评估规则的主观有趣性,同时保留统计可靠性约束,并在筛选过程中主动促进规则之间的多样性。

待验证50%
11月10日

论文在三个交易型数据集上进行了实验,结果显示 DiSARM 能有效将统计可靠性与意外性和多样性结合起来。

待验证50%
11月10日

LLM 的世界知识带有训练数据偏差,其认为惊讶的规则未必对特定业务真的新鲜;此外大规模规则集的 LLM 评估成本仍是落地障碍。

待验证50%
11月10日

DiSARM 在筛选阶段主动引入多样性约束,实质上是把一组规则的整体信息覆盖而非单条规则的得分作为优化目标。

待验证50%

全部知识事实 (5)

来源文章