Classificació explicable basada en RoBERTa
La classificació explicable basada en RoBERTa ajusta un model transformer RoBERTa sobre dades de text etiquetades i, a continuació, aplica mètodes d'interpretabilitat post-hoc — com ara SHAP, LIME o anàlisi d'atenció — per revelar quins tokens o característiques van impulsar cada predicció. Això uneix el rendiment d'avantguarda en PLN amb el raonament comprensible per humans, satisfent els requisits tant d'exactitud com de transparència.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv preprint arXiv:1907.11692. link ↗
- Lundberg, S. M., & Lee, S.-I. (2017). A Unified Approach to Interpreting Model Predictions. Advances in Neural Information Processing Systems (NeurIPS), 30, 4765–4774. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable RoBERTa-based Text Classification with Post-hoc Interpretation. ScholarGate. https://scholargate.app/ca/deep-learning/explainable-roberta-based-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Classificació basada en BERTAprenentatge profund↔ compare
- Classificació basada en BERT explicableAprenentatge profund↔ compare
- Transformer ExplicableAprenentatge profund↔ compare
- Classificació basada en RoBERTaAprenentatge profund↔ compare
- Sentence EmbeddingsAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →