Machine learningDeep learning / NLP / CV
説明可能な感情分析
説明可能な感情分析は、感情分類モデル（通常はBERTやRoBERTaのようなファインチューニングされたトランスフォーマー）と、事後的または内在的な説明手法（SHAP、LIME、アテンション可視化、または統合勾配）を組み合わせて、各予測を駆動した単語、フレーズ、または特徴を明らかにします。目標は、高い予測精度と、すべてのラベルに対する透明で監査可能な根拠の両方を達成することです。
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 ACL and the 10th IJCNLP, 447–459. link ↗
- 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 Sentiment Analysis (XAI-augmented Opinion Mining). ScholarGate. https://scholargate.app/ja/deep-learning/explainable-sentiment-analysis
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
- RoBERTaベースの分類深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare
- トピックモデリング深層学習↔ compare