설명 품질 평가를 위한 보완적 기준으로서의 구조적 응축성

Structural Compactness as a Complementary Criterion for Explanation Quality

설명 품질 평가에서 설명의 가독성을 정량적으로 평가하는 것은 특히 어렵습니다. 왜냐하면 이는 간단한 통계로는 파악할 수 없는 다양한 모양과 내부 구조를 가진 설명에 영향을 받기 때문입니다. 이러한 문제를 해결하기 위해, 우리는 최소 신장 트리 응축성(MST-C)이라는 그래프 기반의 구조적 지표를 제안합니다. MST-C는 설명의 분포 및 응집성과 같은 고차원 기하학적 특성을 포착합니다. 이러한 요소들을 결합하여 응축성을 평가하는 단일 점수를 생성하며, 넓은 영역에 중요한 지점을 가진 설명과, 적지만 응집된 클러스터로 공간적으로 구성된 설명을 선호합니다. 우리는 MST-C가 설명 방법 간의 차이를 신뢰성 있게 구별하고, 모델 간의 근본적인 구조적 차이를 드러내며, 기존의 설명 복잡성 개념을 보완하는 응축성을 진단하는 강력하고 자체적으로 완결된 방법을 제공한다는 것을 보여줍니다.

In the evaluation of attribution quality, the quantitative assessment of explanation legibility is particularly difficult, as it is influenced by varying shapes and internal organization of attributions not captured by simple statistics. To address this issue, we introduce Minimum Spanning Tree Compactness (MST-C), a graph-based structural metric that captures higher-order geometric properties of attributions, such as spread and cohesion. These components are combined into a single score that evaluates compactness, favoring attributions with salient points spread across a small area and spatially organized into few but cohesive clusters. We show that MST-C reliably distinguishes between explanation methods, exposes fundamental structural differences between models, and provides a robust, self-contained diagnostic for explanation compactness that complements existing notions of attribution complexity.