최근 기계 학습 모델의 해석 가능성을 높이는 연구가 활발하게 진행되고 있어요. 본 연구에서는 사용자가 제공한 지식을 반영하여 모델을 조정하는 새로운 방법을 제시했어요. 동역학 시스템 예측 등 회귀 문제에서 사용자 지식에 부합하는 모델을 훈련할 수 있음을 입증했어요.
부분 의존성을 기반으로 신경망 훈련을 제어하여 특정 기능 영역에 대한 평균 응답을 사용자가 제공한 기능 도메인 지식에 맞추는 방법을 소개했어요. 기존 모델보다 성능이 뛰어나고 데이터 효율성이 높다는 것을 확인했어요.
훈련된 모델의 해석 결과가 사용자가 제공한 지식과 일치하는 반면, 기존 모델의 해석 결과는 그렇지 않다는 점을 강조했어요.