Machine learningDeep learning / NLP / CV
설명 가능한 문장 임베딩
설명 가능한 문장 임베딩은 밀집 문장 표현 학습과 사후 또는 내재적 해석 가능성 도구(예: 프로빙 분류기, LIME, SHAP 또는 어텐션 속성)를 결합하여 문장 벡터에 어떤 언어적 및 의미론적 정보가 인코딩되었는지, 그리고 왜 다운스트림 모델이 주어진 예측을 하는지 밝힙니다. 목표는 최신 인코더의 표현력을 유지하면서 그 동작을 감사할 수 있도록 하는 것입니다.
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
- Conneau, A., Kruszewski, G., Lample, G., Barrault, L., & Baroni, M. (2018). What you can cram into a single $\vec{v}$ector: Probing sentence embeddings for linguistic properties. In Proceedings of ACL 2018, pp. 2126–2136. link ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why Should I Trust You?": Explaining the predictions of any classifier. In Proceedings of KDD 2016, pp. 1135–1144. DOI: 10.1145/2939672.2939778 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable Sentence Embeddings (Interpretable Dense Sentence Representations). ScholarGate. https://scholargate.app/ko/deep-learning/explainable-sentence-embeddings
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 순환 신경망딥러닝↔ compare
- 설명 가능한 트랜스포머딥러닝↔ compare
- 자기 지도 학습 문장 임베딩딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare