Classificação Explicável Baseada em BERT
A Classificação Explicável Baseada em BERT combina o poder preditivo de transformadores BERT ajustados (fine-tuned) para classificação de texto com técnicas de explicabilidade post-hoc ou intrínsecas — como SHAP, LIME, análise de atenção ou gradientes integrados — para revelar quais palavras ou tokens impulsionaram cada predição. O resultado é um classificador que é ao mesmo tempo preciso e interpretável o suficiente para aplicações de PLN de alto risco ou auditáveis.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Fontes
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT 2019, pp. 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Explainable BERT-based Text Classification. ScholarGate. https://scholargate.app/pt/deep-learning/explainable-bert-based-classification
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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Rede Neural Recorrente ExplicávelAprendizado profundo↔ compare
- Transformer ExplicávelAprendizado profundo↔ compare
- Classificação Fina Ajustada Baseada em BERTAprendizado profundo↔ compare
- Classificação baseada em RoBERTaAprendizado profundo↔ compare
- Embeddings de SentençasAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →