طبقهبندی مبتنی بر برتِ قابل توضیح
طبقهبندی مبتنی بر برتِ قابل توضیح، قدرت پیشبینی مدلهای ترنسفورمر برتِ تنظیمشده دقیق (fine-tuned) را برای طبقهبندی متن با تکنیکهای توضیحپذیری پس از پیشبینی (post-hoc) یا ذاتی (intrinsic) — مانند SHAP، LIME، تحلیل توجه (attention analysis)، یا گرادیانهای یکپارچه (integrated gradients) — ترکیب میکند تا مشخص شود کدام کلمات یا توکنها باعث هر پیشبینی شدهاند. نتیجه، طبقهبندی است که هم دقیق و هم به اندازه کافی قابل تفسیر برای کاربردهای پردازش زبان طبیعی (NLP) با ریسک بالا یا قابل حسابرسی است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Explainable BERT-based Text Classification. ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی مبتنی بر بِرْتیادگیری عمیق↔ compare
- شبکه عصبی بازگشتیِ تبیینپذیریادگیری عمیق↔ compare
- ترنسفورمر قابل توضیح (Explainable Transformer)یادگیری عمیق↔ compare
- طبقهبندی مبتنی بر BERT تنظیمشده دقیقیادگیری عمیق↔ compare
- طبقهبندی مبتنی بر RoBERTaیادگیری عمیق↔ compare
- تعبیههای جملهیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →