Förklaringsbar BERT-baserad klassificering

Förklaringsbar BERT-baserad klassificering kombinerar den prediktiva kraften hos finjusterade BERT-transformatorer för textklassificering med post-hoc- eller intrinsiska förklaringsmetoder — såsom SHAP, LIME, uppmärksamhetsanalys eller integrerade gradienter — för att avslöja vilka ord eller token som drev varje prediktion. Resultatet är en klassificerare som är både korrekt och tillräckligt tolkningsbar för höggradigt viktiga eller granskningsbara NLP-applikationer.