Machine learningDeep learning / NLP / CV
説明可能なBERTベース分類
説明可能なBERTベース分類は、テキスト分類のためのファインチューニングされたBERTトランスフォーマーの予測能力と、SHAP、LIME、アテンション分析、統合勾配などの事後的または内在的な説明可能性技術を組み合わせ、各予測を駆動した単語またはトークンを明らかにします。その結果、高リスクまたは監査可能なNLPアプリケーションにとって、正確かつ解釈可能な分類器が得られます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable BERT-based Text Classification. ScholarGate. https://scholargate.app/ja/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ベースの分類深層学習↔ compare
- 説明可能なリカレントニューラルネットワーク深層学習↔ compare
- Explainable Transformer深層学習↔ compare
- ファインチューニングされたBERTベースの分類深層学習↔ compare
- RoBERTaベースの分類深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare