Making Interpretable Discoveries from Unstructured Data: A High-Dimensional Multiple Hypothesis Testing Approach
从非结构化数据中做出可解释的发现:一种高维多重假设检验方法
机构 * Harvard University(哈佛大学)
AI总结 本文针对社会科学家利用非结构化数据获取实证见解的需求,提出通用灵活框架。借AI可解释性方法映射数据到概念嵌入,计算统计量检验假设,经选择性推断得出发现,并生成评估自然语言描述,具有低自由度、鲁棒性等优点。