В данной статье предлагается интерпретация на основе теории комплементарности для интеграции графов знаний (KG) и объяснимого ИИ (XAI), направленная на поддержку оценок перед сносом в городском майнинге. Авторы утверждают, что ценность этого процесса заключается не только в точности предсказаний, но и в обоснованности решений через понятность, правдоподобие, источник и возможность оспаривания.
Исследование выделяет четыре консолидированных режима интеграции KG-XAI: Lifting, Constraining, Typing и Revising. Каждый режим определяется как типизированная операция над артефактами XAI и структурами подложки графа знаний для раскрытия различных свойств обоснованности. Пример с противопожарной дверью из процесса городского майнинга иллюстрирует эти режимы с использованием стека W3C Linked Building Data.
Эти режимы интеграции способствуют созданию специфических регуляторных артефактов, требуемых оценкой перед сносом, решая проблему структурной недоопределенности, обнаруженной в существующей литературе.