基于原型学习的分类模型可解释性研究综述.docVIP

基于原型学习的分类模型可解释性研究综述

一、原型学习的核心内涵与理论基础

原型学习的核心思想源于认知科学中的概念表征理论，即人类在识别新事物时，会将其与记忆中存储的典型样本（原型）进行对比，通过相似性判断完成分类决策。这一认知机制被迁移到机器学习领域后，形成了以“原型向量-相似性度量-分类决策”为核心的三元架构。相较于传统深度学习模型通过高维隐层特征完成黑箱预测的模式，原型学习模型的决策过程天然具备可解释性潜力：分类结果可直接对应到训练集中的典型样本，决策逻辑可转化为“待分类样本与某类原型的相似度高于其他类别原型”的直观表述。

从数学表征来看，原型通常被定义为嵌入空间中具有类别代表性的向量，可分为三类：第一类是样本原型，即直接从训练集中挑选的具有高代表性的真实样本，这类原型的可解释性最强，用户可直接通过观察样本内容理解模型决策依据；第二类是合成原型，通过对同类样本的嵌入向量进行聚类、加权平均等操作生成，不对应具体真实样本，但能更精准地覆盖类别分布的核心区域；第三类是半合成原型，结合真实样本特征与生成式模型优化得到，兼具真实样本的可解释性与合成原型的分布代表性。不同类型的原型适用于不同场景：在医疗影像、司法判决等对解释可信度要求极高的领域，样本原型是首选；而在图像分类、自然语言处理等类别分布复杂的场景，合成原型往往能取得更好的分类性能与解释平衡性。

相似性度量函数是连接待分类样本与原