Forklarbare setningsinnbygginger
Forklarbare setningsinnbygginger kombinerer læring av tette setningsrepresentasjoner med post-hoc- eller iboende tolkningsverktøy – som sonderingsklassifikatorer, LIME, SHAP eller oppmerksomhetsattribuering – for å avsløre hvilken språklig og semantisk informasjon som er kodet i en setningsvektor og hvorfor en nedstrømsmodell gir en gitt prediksjon. Målet er å beholde representasjonskraften til moderne kodere, samtidig som deres oppførsel blir reviderbar.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Explainable Sentence Embeddings (Interpretable Dense Sentence Representations). ScholarGate. https://scholargate.app/no/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-basert klassifiseringDyp læring↔ compare
- Forklarbar BERT-basert klassifiseringDyp læring↔ compare
- Forklarende tilbakevendende nevralt nettverkDyp læring↔ compare
- Forklarbar TransformerDyp læring↔ compare
- Selvovervåkede setningsinnleiringerDyp læring↔ compare
- SetningsembddingerDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →