本論文では、データ不足環境での説明可能な人工知能（XAI）法の信頼性と信頼性の問題を解決するために、インスタンスベースの移行学習をLIMEフレームワークに統合したITL-LIME（Instance-based Transfer Learning LIME）を提案します。既存のLIMEのランダム摂動とサンプリングによる局所性と不安定性の問題を解決するために、関連するソースドメインの実際のインスタンスを活用してターゲットドメインの説明プロセスを支援します。ソースドメインをクラスタリングし、ターゲットインスタンスと最も似たプロトタイプを持つクラスタから関連インスタンスを取得し、ターゲットインスタンスのネイバーインスタンスと結合します。対照学習ベースのエンコーダを使用してインスタンスの重み付けを行い、重み付けされたソースとターゲットインスタンスを使用して代理モデルを学習して説明を生成します。
