Erklärbare BERT-basierte Klassifikation
Erklärbare BERT-basierte Klassifikation kombiniert die prädiktive Leistung von feinabgestimmten BERT-Transformern für die Textklassifikation mit Post-hoc- oder intrinsischen Erklärbarkeitsmethoden – wie SHAP, LIME, Aufmerksamkeitsanalyse oder integrierte Gradienten –, um aufzudecken, welche Wörter oder Token jede Vorhersage angetrieben haben. Das Ergebnis ist ein Klassifikator, der sowohl genau als auch interpretierbar genug für hochriskante oder prüfbare NLP-Anwendungen ist.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Quellen
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT 2019, pp. 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Explainable BERT-based Text Classification. ScholarGate. https://scholargate.app/de/deep-learning/explainable-bert-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.
- BERT-basierte KlassifikationDeep Learning↔ compare
- Erklärbares Rekurrentes Neuronales NetzDeep Learning↔ compare
- Erklärbarer TransformerDeep Learning↔ compare
- Feinabgestimmte BERT-basierte KlassifikationDeep Learning↔ compare
- RoBERTa-basierte KlassifikationDeep Learning↔ compare
- Sentence EmbeddingsDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →