Các phương pháp giải thích hậu nghiệm không phụ thuộc mô hình hiện có tạo ra các giải thích bên ngoài cho các mô hình mờ đục chủ yếu bằng cách gán cục bộ các đầu ra của mô hình cho các đặc điểm đầu vào. Tuy nhiên, chúng thiếu một khuôn khổ định lượng rõ ràng và có hệ thống các đóng góp của từng đặc điểm. Bài báo này tích hợp các phương pháp gán cục bộ hiện có dựa trên khuôn khổ khai triển Taylor do Deng và cộng sự (2024) đề xuất và đưa ra các giả định nghiêm ngặt cho việc gán cụ thể theo Taylor: độ chính xác, mối liên hệ và độ lệch chuẩn bằng không. Dựa trên các giả định này, chúng tôi đề xuất TaylorPODA (Ghi chú quan trọng theo thứ tự khai triển Taylor aDapted Attribution), kết hợp thêm một thuộc tính "thích ứng". Thuộc tính này cho phép căn chỉnh với các mục tiêu cụ thể của nhiệm vụ, đặc biệt là trong các bối cảnh hậu nghiệm khi thiếu các giải thích thực tế. Các đánh giá thực nghiệm chứng minh rằng TaylorPODA đạt được kết quả cạnh tranh so với các phương pháp cơ sở và cung cấp các giải thích có nguyên tắc và dễ hình dung. Nghiên cứu này tăng cường sự phân bố đáng tin cậy của các mô hình mờ đục bằng cách cung cấp các giải thích có nền tảng lý thuyết vững chắc hơn.
