{rfName}
Ru

Indexat a

Llicència i ús

Citacions

81

Altmetrics

Impacte en els Objectius de Desenvolupament Sostenible (ODS)

Anàlisi d'autories institucional

Barbado Gonzalez, AlbertoAutor o coautorBarbado AAutor (correspondència)

Compartir

18 denovembre de 2021
Publicacions
>
Article
No

Rule extraction in unsupervised anomaly detection for model explainability: Application to OneClass SVM[Formula presented]

Publicat a:Expert Systems With Applications. 189 116100-116100 - 2022-01-01 189(), DOI: 10.1016/j.eswa.2021.116100

Autors: Barbado, Alberto; Corcho, Oscar; Benjamins, Richard

Afiliacions

Telefon IoT & Big Data Tech SA, Madrid, Spain - Autor o coautor
Telefónica - Autor o coautor
Univ Politecn Madrid, Dept Inteligencia Artificial, Madrid 28223, Spain - Autor o coautor
Universidad Politécnica de Madrid - Autor o coautor
Universidad Politécnica de Madrid , Telefonica - Autor o coautor
Veure més

Resum

OneClass SVM is a popular method for unsupervised anomaly detection. As many other methods, it suffers from the black box problem: it is difficult to justify, in an intuitive and simple manner, why the decision frontier is identifying data points as anomalous or non anomalous. This problem is being widely addressed for supervised models. However, it is still an uncharted area for unsupervised learning. In this paper, we evaluate several rule extraction techniques over OneClass SVM models, while presenting alternative designs for some of those algorithms. Furthermore, we propose algorithms for computing metrics related to eXplainable Artificial Intelligence (XAI) regarding the “comprehensibility”, “representativeness”, “stability” and “diversity” of the extracted rules. We evaluate our proposals with different data sets, including real-world data coming from industry. Consequently, our proposal contributes to extending XAI techniques to unsupervised machine learning models.

Paraules clau

anomaly detectionmetricsoneclass svmrule extractionunsupervised learningAnomaly detectionIndustry, innovation and infrastructureMetricsOneclass svmRule extractionSupport vector machinesUnsupervised learningXai

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Expert Systems With Applications a causa de la seva progressió i el bon impacte que ha aconseguit en els últims anys, segons l'agència WoS (JCR), s'ha convertit en una referència en el seu camp. A l'any de publicació del treball, 2022, es trobava a la posició 6/86, aconseguint així situar-se com a revista Q1 (Primer Cuartil), en la categoria Operations Research & Management Science. Destacable, igualment, el fet que la revista està posicionada per sobre del Percentil 90.

Des d'una perspectiva relativa, i tenint en compte l'indicador de impacte normalitzat calculat a partir de les Citacions Mundials proporcionades per WoS (ESI, Clarivate), proporciona un valor per a la normalització de citacions relatives a la taxa de citació esperada de: 2.22. Això indica que, comparat amb treballs en la mateixa disciplina i en el mateix any de publicació, el situa com un treball citat per sobre de la mitjana. (font consultada: ESI 14 Nov 2024)

Aquesta informació es reforça amb altres indicadors del mateix tipus, que encara que dinàmics en el temps i dependents del conjunt de citacions mitjanes mundials en el moment del seu càlcul, coincideixen a posicionar en algun moment el treball, entre el 50% més citats dins de la seva temàtica:

  • Mitjana Ponderada de l'Impacte Normalitzat de l'agència Scopus: 2.39 (font consultada: FECYT Febr 2024)
  • Field Citation Ratio (FCR) de la font Dimensions: 20.52 (font consultada: Dimensions Jul 2025)

Concretament, i atenent a les diferents agències d'indexació, aquest treball ha acumulat, fins a la data 2025-07-16, el següent nombre de cites:

  • WoS: 29
  • Scopus: 39
  • Open Alex: 39

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2025-07-16:

  • L'ús, des de l'àmbit acadèmic evidenciat per l'indicador de l'agència Altmetric referit com a agregacions realitzades pel gestor bibliogràfic personal Mendeley, ens dona un total de: 74.
  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 86 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

  • El Puntuació total de Altmetric: 4.25.
  • El nombre de mencions a la xarxa social X (abans Twitter): 10 (Altmetric).
Seguint amb l'impacte social del treball, és important destacar el fet que, pel seu contingut, pot ser assignat a la línia d'interès de ODS 9 - Industry, innovation and infrastructure, amb una probabilitat del 60% segons l'algoritme mBERT desenvolupat per Aurora University.

Anàlisi del lideratge dels autors institucionals

Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (CORCHO GARCIA, OSCAR) i Últim Autor (CORCHO GARCIA, OSCAR).

els autors responsables d'establir les tasques de correspondència han estat CORCHO GARCIA, OSCAR i Corcho, Oscar.