본 논문은 커널 기반 머신러닝 모델의 해석성을 향상시키기 위해, 곱셈 구조를 갖는 커널에 대해 Shapley value를 다항 시간 내에 정확하게 계산하는 새로운 알고리즘인 PKeX-Shapley를 제안합니다. PKeX-Shapley는 곱셈 커널의 함수적 분해를 이용하여 Shapley value를 재귀적으로 계산함으로써 계산 효율성을 높이고 해석성을 향상시킵니다. 또한, Maximum Mean Discrepancy (MMD)와 Hilbert-Schmidt Independence Criterion (HSIC)과 같은 커널 기반 통계적 차이를 설명하는 데에도 이 프레임워크를 일반화하여 적용할 수 있음을 보여줍니다.
