帰納論理プログラミング(Inductive Logic Programming, ILP) は，帰納推論に基づく機械学習の一種である．ILPは深層学習のような説明が困難な手法とは異なり，完璧に説明可能であり，実験による仮説の証明を通じて科学的成果に貢献する可能性がある．一方，ILP は計算過程が複雑であることから，計算コストが高く，GPU の恩恵をほとんど受けることができないので，実用的なデータへの適用が難しかった．近年では，ニューラルネットワークによる処理とILPを組み合わせることで，ILPの問題を解決する試みがなされている．本発表では，被覆検査をニューラルネットワークで行う手法とSHAPを用いて仮説候補のリテラルを絞り込む手法を実験によって比較する．