Machine learningDeep learning / NLP / CV
설명 가능한 감성 분석
설명 가능한 감성 분석은 일반적으로 BERT 또는 RoBERTa와 같은 미세 조정된 트랜스포머를 감성 분류 모델과 결합하고, SHAP, LIME, 어텐션 시각화 또는 통합 기울기와 같은 사후 또는 내재적 설명 방법을 사용하여 각 예측을 유도한 단어, 구문 또는 특징을 밝힙니다. 목표는 높은 예측 정확도와 모든 레이블에 대한 투명하고 감사 가능한 근거를 모두 달성하는 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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Explainable Sentiment Analysis (XAI-augmented Opinion Mining). ScholarGate. https://scholargate.app/ko/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 기반 분류딥러닝↔ compare
- 설명 가능한 BERT 기반 분류딥러닝↔ compare
- RoBERTa 기반 분류딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare
- 토픽 모델링딥러닝↔ compare