Объяснимые встраивания предложений
Объяснимые встраивания предложений объединяют обучение плотных представлений предложений с пост-хок или внутренними инструментами интерпретируемости — такими как зондирующие классификаторы, LIME, SHAP или атрибуция внимания — чтобы выявить, какая лингвистическая и семантическая информация закодирована в векторе предложения и почему последующая модель делает определенный прогноз. Цель состоит в том, чтобы сохранить репрезентативную силу современных кодировщиков, сделав их поведение проверяемым.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Explainable Sentence Embeddings (Interpretable Dense Sentence Representations). ScholarGate. https://scholargate.app/ru/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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Объяснимая классификация на основе BERTГлубокое обучение↔ compare
- Объяснимая рекуррентная нейронная сетьГлубокое обучение↔ compare
- Объяснимый ТрансформерГлубокое обучение↔ compare
- Самоконтролируемые эмбеддинги предложенийГлубокое обучение↔ compare
- Векторные представления предложенийГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →