Verklarende sentimentanalyse
Verklarende sentimentanalyse koppelt een sentimentclassificatiemodel — doorgaans een gefinetunede transformer zoals BERT of RoBERTa — aan een post-hoc of intrinsieke verklaringsmethode (SHAP, LIME, attention-visualisatie of geïntegreerde gradiënten) die onthult welke woorden, zinsneden of kenmerken elke voorspelling hebben gestuurd. Het doel is zowel hoge voorspellende nauwkeurigheid als transparante, controleerbare redeneringen voor elk label.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Explainable Sentiment Analysis (XAI-augmented Opinion Mining). ScholarGate. https://scholargate.app/nl/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-gebaseerde ClassificatieDeep learning↔ compare
- Uitlegbare BERT-gebaseerde ClassificatieDeep learning↔ compare
- RoBERTa-gebaseerde ClassificatieDeep learning↔ compare
- Sentence EmbeddingsDeep learning↔ compare
- OnderwerpmodelleringDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →