知识库广泛用于 Web 上的信息管理，支持具有高影响力的应用程序，例如 Web 搜索、问答和自然语言处理。它们还充当自动决策系统的支柱，例如医疗诊断和信用评分。由于受这些决策影响的利益相关者希望了解他们的情况并验证决策的公平性，因此已经提出了许多使用描述逻辑中的概念的解释方法。然而，对于非专家来说，所学的概念可能会变得冗长且难以理解，即使是用语言表达也是如此。此外，长概念不会立即提供明确的行动路径来改变一个人的处境。反事实回答问题“必须如何更改特征值才能获得不同的分类？” 已被提议作为对表格数据的简短、人性化的解释。在本文中，我们将反事实的概念转移到描述逻辑中，并提出了第一个在描述逻辑 $\mathcal{ELH}$ 中生成反事实解释的算法。反事实候选人是从概念中产生的，特征变化最少的候选人被选为反事实候选人。在多个反事实的情况下，我们根据它们的特征组合的可能性对它们进行排名。为了进行评估，我们进行了一项用户调查，以调查参与者更喜欢生成的反事实候选人中的哪些进行解释。在第二项研究中，我们探索了反事实解释的可能用例。我们将反事实的概念转移到描述逻辑中，并提出了第一个在描述逻辑 $\mathcal{ELH}$ 中生成反事实解释的算法。反事实候选人是从概念中产生的，特征变化最少的候选人被选为反事实候选人。在多个反事实的情况下，我们根据它们的特征组合的可能性对它们进行排名。为了进行评估，我们进行了一项用户调查，以调查参与者更喜欢生成的反事实候选人中的哪些进行解释。在第二项研究中，我们探索了反事实解释的可能用例。我们将反事实的概念转移到描述逻辑中，并提出了第一个在描述逻辑 $\mathcal{ELH}$ 中生成反事实解释的算法。反事实候选人是从概念中产生的，特征变化最少的候选人被选为反事实候选人。在多个反事实的情况下，我们根据它们的特征组合的可能性对它们进行排名。为了进行评估，我们进行了一项用户调查，以调查参与者更喜欢生成的反事实候选人中的哪些进行解释。在第二项研究中，我们探索了反事实解释的可能用例。反事实候选人是从概念中产生的，特征变化最少的候选人被选为反事实候选人。在多个反事实的情况下，我们根据它们的特征组合的可能性对它们进行排名。为了进行评估，我们进行了一项用户调查，以调查参与者更喜欢生成的反事实候选人中的哪些进行解释。在第二项研究中，我们探索了反事实解释的可能用例。反事实候选人是从概念中产生的，特征变化最少的候选人被选为反事实候选人。在多个反事实的情况下，我们根据它们的特征组合的可能性对它们进行排名。为了进行评估，我们进行了一项用户调查，以调查参与者更喜欢生成的反事实候选人中的哪些进行解释。在第二项研究中，我们探索了反事实解释的可能用例。



"点击查看英文标题和摘要"