Reconnaissance d'entités nommées explicable

La reconnaissance d'entités nommées explicable (XAI-NER) combine un modèle NER standard — typiquement un séquenceur d'étiquettes basé sur BERT ou BiLSTM-CRF — avec des techniques d'explicabilité post-hoc ou intrinsèques telles que LIME, SHAP, la visualisation d'attention, ou la saillance basée sur les gradients, afin de révéler pourquoi chaque jeton s'est vu attribuer une étiquette d'entité particulière. Cette transparence est essentielle dans des domaines à enjeux élevés comme le texte clinique, les documents juridiques et la littérature biomédicale.