Machine learningDeep learning / NLP / CV
説明可能な固有表現認識
説明可能な固有表現認識（XAI-NER）は、標準的なNERモデル（通常はBERTベースまたはBiLSTM-CRFのシーケンスラベラー）に、LIME、SHAP、アテンション可視化、勾配ベースの顕著性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、各トークンが特定のエンティティラベルを割り当てられた理由を明らかにします。この透明性は、臨床テキスト、法律文書、生物医学文献などのハイリスク領域において不可欠です。
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.
出典
- Danilevsky, M., Qian, K., Aharonov, R., Katsis, Y., Kawas, B., & Sen, P. (2020). A Survey of the State of Explainable AI for Natural Language Processing. Proceedings of the 1st Conference of the Asia-Pacific Chapter of the Association for Computational Linguistics (AACL-IJCNLP), pp. 447–459. link ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why Should I Trust You?": Explaining the Predictions of Any Classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, pp. 1135–1144. DOI: 10.1145/2939672.2939778 ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Named Entity Recognition (XAI-NER). ScholarGate. https://scholargate.app/ja/deep-learning/explainable-named-entity-recognition
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BERTベース分類深層学習↔ compare
- 説明可能な感情分析深層学習↔ compare
- 説明可能なテキスト要約深層学習↔ compare
- Explainable Transformer深層学習↔ compare
- 固有表現抽出（NER）テキストマイニング↔ compare