当无法阅读解释时：测量和纠正从右到左语言的 SHAP 和 LIME 渲染

arXiv:2609.28565v1 公告类型：新 摘要：SHAP 和 LIME 等事后解释方法广泛用于解释文本分类器，但它们的可视化主要针对从左到右的语言设计。当应用于从右到左 (RTL) 语言（例如乌尔都语、阿拉伯语、波斯语和希伯来语）时，属性值在数学上仍然有效，但其视觉呈现会失败。标记出现顺序不正确，连接的字母形式破裂，并且情节布局不遵循自然阅读方向。这项研究将这一差距视为可视化问题，而不是解释方法本身的限制。我们提出了 SHAP-RTL，这是一个渲染层，可以通过按语言选择字体来纠正 SHAP 和 LIME 可视化中的阅读方向和脚本形状，同时保留原始属性值、特征排序和模型输出。使用 TF-IDF 和逻辑回归分类器在乌尔都语、阿拉伯语、希伯来语和波斯语仇恨和攻击性语言数据集上对该方法进行评估。渲染正确性是通过每种语言超过 200 个特征词的 OCR 往返来衡量的。默认渲染产生的字符错误率为 0.820 到 0.979，这意味着标签不再带有其标记；对于乌尔都语，常见的重新整形和重新排序解决方法以 0.998 失败，比没有更正更糟糕； Matplotlib 3.11.0 文本重写反转了该解决方法，而 SHAP-RTL 在两个版本下都保持正确。该框架还用读者的语言将相同的归因表述为简短的上下文解释，仅限于所识别的特征。本文评价的是渲染正确性；对生成的解释的评估留待未来的工作。该研究强调了语言感知可视化对于使事后可解释性在不同书写系统中更容易理解的重要性。