본 논문은 데이터 부족 환경에서의 설명 가능한 인공지능(XAI) 방법의 신뢰성 및 안정성 문제를 해결하기 위해, 인스턴스 기반 전이 학습을 LIME 프레임워크에 통합한 ITL-LIME(Instance-based Transfer Learning LIME)을 제안합니다. 기존 LIME의 무작위 섭동 및 샘플링으로 인한 지역성 및 불안정성 문제를 해결하기 위해, 관련 소스 도메인의 실제 인스턴스를 활용하여 타겟 도메인의 설명 과정을 보조합니다. 소스 도메인을 클러스터링하고, 타겟 인스턴스와 가장 유사한 프로토타입을 가진 클러스터에서 관련 인스턴스를 검색하여 타겟 인스턴스의 이웃 인스턴스와 결합합니다. 대조 학습 기반 인코더를 사용하여 인스턴스 가중치를 부여하고, 가중치가 부여된 소스 및 타겟 인스턴스를 사용하여 대리 모델을 학습하여 설명을 생성합니다.
