Classification basée sur BERT explicable
La classification basée sur BERT explicable combine la puissance prédictive des transformeurs BERT affinés pour la classification de texte avec des techniques d'explicabilité post-hoc ou intrinsèques — telles que SHAP, LIME, l'analyse d'attention, ou les gradients intégrés — pour révéler quels mots ou tokens ont motivé chaque prédiction. Le résultat est un classifieur à la fois précis et suffisamment interprétable pour des applications de traitement automatique du langage naturel (TALN) à enjeux élevés ou auditables.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Explainable BERT-based Text Classification. ScholarGate. https://scholargate.app/fr/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.
- Classification basée sur BERTApprentissage profond↔ compare
- Réseau de neurones récurrent explicableApprentissage profond↔ compare
- Transformer ExplicableApprentissage profond↔ compare
- Classification par BERT affinéApprentissage profond↔ compare
- Classification basée sur RoBERTaApprentissage profond↔ compare
- Plongements de phrasesApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →