Klasifikasi Berbasis BERT yang Dapat Dijelaskan
Klasifikasi Berbasis BERT yang Dapat Dijelaskan menggabungkan kekuatan prediktif transformer BERT yang disesuaikan (fine-tuned) untuk klasifikasi teks dengan teknik penjelasan pasca-hoc atau intrinsik — seperti SHAP, LIME, analisis atensi, atau gradien terintegrasi — untuk mengungkap kata atau token mana yang mendorong setiap prediksi. Hasilnya adalah pengklasifikasi yang akurat dan cukup dapat diinterpretasikan untuk aplikasi NLP berisiko tinggi atau yang dapat diaudit.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Explainable BERT-based Text Classification. ScholarGate. https://scholargate.app/id/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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Jaringan Saraf Berulang yang Dapat DijelaskanPembelajaran Mendalam↔ compare
- Transformer yang Dapat DijelaskanPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT yang Di-fine-tunePembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTaPembelajaran Mendalam↔ compare
- Sentence EmbeddingsPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →