Anàlisi de sentiment explicable
L'anàlisi de sentiment explicable combina un model de classificació de sentiment —típicament un transformador ajustat com BERT o RoBERTa— amb un mètode d'explicació post-hoc o intrínsec (SHAP, LIME, visualització d'atenció o gradients integrats) que revela quines paraules, frases o característiques van impulsar cada predicció. L'objectiu és tant una alta precisió predictiva com unes raons transparents i auditables per a cada etiqueta.
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
- Danilevsky, M., Qian, K., Aharonov, R., Katsis, Y., Kawas, B., & Sen, P. (2020). A Survey of the State of Explainable AI for Natural Language Processing. Proceedings of the 1st Conference of the Asia-Pacific Chapter of the ACL and the 10th IJCNLP, 447–459. 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 Sentiment Analysis (XAI-augmented Opinion Mining). ScholarGate. https://scholargate.app/ca/deep-learning/explainable-sentiment-analysis
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
- Classificació basada en RoBERTaAprenentatge profund↔ compare
- Sentence EmbeddingsAprenentatge profund↔ compare
- Modelatge de temesAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →