Machine learningDeep learning / NLP / CV
설명 가능한 개체명 인식
설명 가능한 개체명 인식(XAI-NER)은 표준 NER 모델(일반적으로 BERT 기반 또는 BiLSTM-CRF 시퀀스 레이블러)과 LIME, SHAP, 어텐션 시각화 또는 그래디언트 기반 중요도와 같은 사후 또는 내재적 설명 가능성 기법을 결합하여 각 토큰이 특정 개체 레이블을 할당받은 이유를 밝힙니다. 이러한 투명성은 임상 텍스트, 법률 문서, 생의학 문헌과 같은 고위험 도메인에서 필수적입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable Named Entity Recognition (XAI-NER). ScholarGate. https://scholargate.app/ko/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 기반 분류딥러닝↔ compare
- 설명 가능한 BERT 기반 분류딥러닝↔ compare
- 설명 가능한 감성 분석딥러닝↔ compare
- 설명 가능한 텍스트 요약딥러닝↔ compare
- 설명 가능한 트랜스포머딥러닝↔ compare
- 개체명 인식 (NER)텍스트 마이닝↔ compare