Quy tắc Quy kết Hậu hoc (PHAR) là một khuôn khổ tích hợp nhằm nâng cao khả năng giải thích của các mô hình phân loại chuỗi thời gian. Nó chuyển đổi tầm quan trọng của đặc điểm số học được rút ra từ các kỹ thuật giải thích hậu hoc, theo từng trường hợp hiện có (ví dụ: LIME, SHAP) thành các quy tắc có cấu trúc dễ hiểu đối với con người. Các quy tắc này tăng cường tính minh bạch của mô hình bằng cách xác định các khoảng có thể diễn giải được, cho biết vị trí và thời điểm xảy ra các ranh giới quyết định quan trọng. PHAR hoạt động tương tự như các phương pháp dựa trên quy tắc hiện có, chẳng hạn như Anchor, đồng thời mở rộng hiệu quả hơn cho các chuỗi thời gian dài và đạt được phạm vi bao phủ trường hợp rộng hơn. Một bước hợp nhất quy tắc chuyên dụng, tích hợp các tập quy tắc bằng các chiến lược như lựa chọn trọng số và tinh chỉnh dựa trên Lasso, cân bằng các chỉ số chất lượng chính như phạm vi bao phủ, độ tin cậy và tính đơn giản. Sự hợp nhất này cung cấp các quy tắc ngắn gọn, rõ ràng cho từng trường hợp, cải thiện cả độ trung thực và tính nhất quán của giải thích. Nó cũng giới thiệu một kỹ thuật trực quan hóa minh họa sự đánh đổi giữa tính đặc hiệu và tính khái quát trong các quy tắc được rút ra. PHAR giải quyết các giải thích xung đột và chồng chéo thường gặp đối với hiện tượng Rashomon bằng những hiểu biết nhất quán, cụ thể theo từng lĩnh vực. Các thí nghiệm toàn diện trên kho lưu trữ phân loại chuỗi thời gian UCR/UEA chứng minh rằng PHAR cải thiện khả năng diễn giải, tính minh bạch trong quyết định và khả năng áp dụng thực tế cho các nhiệm vụ phân loại chuỗi thời gian.
