Pembenaman Ayat Boleh Jelas
Pembenaman ayat boleh jelas menggabungkan pembelajaran perwakilan ayat tumpat dengan alat kebolehinterpretasian pasca-hoc atau intrinsik — seperti pengelas prob, LIME, SHAP, atau atribusi perhatian — untuk mendedahkan maklumat linguistik dan semantik yang dikodkan dalam vektor ayat dan sebab model hiliran membuat ramalan tertentu. Matlamatnya adalah untuk mengekalkan kuasa perwakilan pengekod moden sambil menjadikan tingkah laku mereka boleh diaudit.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Explainable Sentence Embeddings (Interpretable Dense Sentence Representations). ScholarGate. https://scholargate.app/ms/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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT yang Boleh DijelaskanPembelajaran Mendalam↔ compare
- Rangkaian Neural Berulang Boleh DijelaskanPembelajaran Mendalam↔ compare
- Transformer Boleh DijelaskanPembelajaran Mendalam↔ compare
- Penyematan Zarah Bahasa Kendiri-PenyeliaanPembelajaran Mendalam↔ compare
- Penyematan AyatPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →