व्याख्यात्मक AI (XAI) विधियों की चुनौती का समाधान करने के लिए, जो डोमेन विशेषज्ञता के बिना उपयोगकर्ताओं के लिए स्पष्ट और व्याख्या योग्य परिणाम देने के लिए संघर्ष करती हैं, यह पत्र फ़ीचर-निर्देशित पड़ोसी चयन (FGNS) का प्रस्ताव करता है, जो एक पोस्ट हॉक विधि है जो स्थानीय और वैश्विक दोनों फ़ीचर महत्व का उपयोग करके वर्गों के प्रतिनिधि उदाहरणों का चयन करती है। कांजी लिपि वर्गीकरण का मूल्यांकन करने वाले एक उपयोगकर्ता अध्ययन (N=98) में, FGNS ने गैर-विशेषज्ञों की मॉडल त्रुटियों की पहचान करने की क्षमता में उल्लेखनीय रूप से सुधार किया, जबकि सटीक भविष्यवाणियों के साथ उचित सहमति बनाए रखी। प्रतिभागियों ने पारंपरिक k-NN स्पष्टीकरण दिए गए लोगों की तुलना में अधिक तेज़ और सटीक निर्णय लिए। मात्रात्मक विश्लेषण दर्शाता है कि FGNS उन पड़ोसियों का चयन करता है जो वर्ग विशेषताओं को बेहतर ढंग से प्रतिबिंबित करते हैं
